{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,29]]，“日期-时间”：“2024-06-29T14:51:45Z”，“时间戳”：1719672705941}，“引用-计数”：26，“发布者”：“MDPI AG”，“问题”：“24”，“许可证”：[{“开始”：{-date-parts”：[2020,12,17]]，”日期-时间“：“2020-12-17T00:00:00Z”，“时间戳”：1608163200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“funder”：[{“DOI”：“10.13039\/501100002749”，“name”：“比利时联邦科学政策办公室”，“DOI-asserted-by”：“publisher”，“award”：[“biodivERsA（Woodnet）”]}]，”content-domain“：{”domain“:[]，”crossmark-restriction“：false}“短期集装箱运输”：[“遥感”]，“摘要”：“地图的准确性评估依赖于验证数据的收集，即独立于分类地图收集的一组可信点或空间对象。然而，收集空间上和主题上精确的数据集往往既繁琐又昂贵。尽管有良好的实践，但这些数据集很少容易出错。参考数据集中的错误会传播到混淆矩阵中估计的概率。因此，对质量的估计是有偏差的：如果误差相互关联，准确度指数就会被高估；如果误差是条件独立的，准确度指标就会被低估。我们研究的第一个发现强调了这样一个事实，即这种偏差可能会使地图准确性评估的统计测试无效。此外，参考数据集中的相关错误会导致分类器的不公平比较。因此，提出了一种最大熵方法来减少不完美参考数据集的误差传播。该方法基于一个理论框架，该框架考虑了一个三变量概率表，该概率表将观察到的混淆矩阵、参考数据集的混淆矩阵和\u201creal\u201d混淆矩阵连接起来。该方法通过模拟主题和地理参考误差进行了测试。事实证明，它可以将偏差降低到采样不确定度的水平。该方法对于地理定位误差非常有效，因为可以合理地假设误差的条件独立性。主题错误更难缓解，因为它们需要估计与空间相关性量相关的附加参数。在任何情况下，虽然收集额外的可信标签通常都很昂贵，但我们的结果表明，准确度评估的好处远远大于收集大量可疑的参考数据<\/jats:p>“，”DOI“：”10.3390\/rs12244128“，”type“：”journal-article“，”created“：{”date-parts“：[[2020,12,17]]，”date-time“：”2020-12-17T15:42:47Z“，”timestamp“：1608219767000}，”page“：10.3390英寸卷：“12”，“作者”：[{“given”：“Julien”，“family”：“Radoux”，“sequence”：“first”，“affiliation”：[]}“，”doi“：”10.1016\/j.rse.2014.02.015“}，{”key“：”ref2“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.rse.2012.09.005“}，{“key”：“ref3”，“doi-assert-by”：“publisher”，“doi”：“10.1080\/0143116802672864”}，“{”key“：”ref4“，”doi-assered-by“：”publisher“，”doi“：“，”doi“：”10.1080\/10106040701596767“}，{”key“：”ref6“，”doi-asserted-by“：”publisher“，”DOI“：”10.1016\/j.rse.2010.05.003“}，{“key”：“ref7”，“DOI-asserted-by”：“publisher”，“DOI”：“10.3390\/rs12020257”}，“key“：”ref8“，”DOI-assert-by“：”publisher se.2003.12.007“}，{”key“：”ref10“，”DOI-asserted-by“：”publisher“，”DOI“：”10.1371 \/journal.pone.0069958“}，{“key”：“ref11”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/S0167-5877（00）00117-3”}，}“key:”ref12“，”doi-assert-by“：”publisher“，”doi“：”10.2307\/2531499}，{“key”：“ref14”，“doi-asserted-by”：“publisher”，“doi”：“10.1080\/01431160903130994”}，{“key”：“ref15”，“series-title”：“科学与工程中的最大熵模型”，“author”：“Kapur”，“year”：“1989”}，{”key“：“ref16”，“series-title”：”最大熵方法“，”volume“：”volume 32“，”author“：”Wu“：”ref18“，”doi-asserted-by“：”publisher“，“DOI”：“10.18637\/jss.v086.c02”}，{“key”：“ref19”，“首页”：“1”，“article-title”：“N维Python的迭代比例拟合”，“volume”：”1“，”author“：”Forthomme“，”year“：”2019“，”journal-title“：”Github key“：”ref21“，”DOI-asserted-by“：”publisher“，”DOI“：“10.3390\/rs9070646”｝，｛“key”：“ref22”，“doi断言者”：“publisher”，“doi”：“10.3390\/rs8060488”｝，｛“key”：“ref23”，“doi断言者”：“publisher”，“doi”：“10.1080\/0143160903130937”｝，｛“key”：“ref24”，“doi断言者”：“publisher”，“doi”：“10.1016\/j.rse.2013.01.016”｝，｛“key”：“ref25”，“doi断言者”：“publisher”，“doi”：“10.1016\/j.ecolcon.2015.01.003”｝，｛“key”：“ref26”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.rse.2007.02.031”}]，“container-title”：[“遥感”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\\/www.mdpi.com\/2072-4292\/12\/24\/4128\/pdf”，”内容类型“：”未指定“，”内容版本“：”vor“，”intended-application“：”相似性检查“}]，”存放“：{”日期部分“用法：[[2020,12,21]]，“日期时间”：“2020-12-21T08:58:02Z”，“时间戳”：1608541082000}，“分数”：1，“资源”：{“主要”：{“URL”：“https:\\/www.mdpi.com\/2072-4292\/12\/24\/4128”}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2020,12,17]]}”，“references-count”：26，“日志发布”：{“issue”：“24”，“published-on-line”：{（日期部分）：[[2020,12]]}}，“alternative-id”：[“rs12244128”]，“URL”：“http://\/dx.doi.org\/10.3390\/rs1224428”，“relation”：{}，“ISSN”：[”2072-4292“]，“ISSN-type”：[{“value”：“2072-4922”，“type”:“electronic”}]，“subject”：【】，“published”：{“date-parts”：【2020,12，17】】}}}}