Control estricto de matrices de confusión por medio de distribuciones multinomiales

  1. Ariza-López, Francisco Javier 1
  2. Rodríguez-Avi, José 1
  3. Alba-Fernández, Virtudes 1
  1. 1 Universidad de Jaén
    info

    Universidad de Jaén

    Jaén, España

    ROR https://ror.org/0122p5f64

Revista:
Geofocus: Revista Internacional de Ciencia y Tecnología de la Información Geográfica

ISSN: 1578-5157

Año de publicación: 2018

Número: 21

Tipo: Artículo

DOI: 10.21138/GF.591 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Geofocus: Revista Internacional de Ciencia y Tecnología de la Información Geográfica

Resumen

Las matrices de confusión son la forma más usual y estándar de informar sobre la exactitud temática de productos derivados de la clasificación de datos procedentes de imágenes. En este marco, son ampliamente utilizados dos índices: el porcentaje de acuerdo y el índice Kappa. Ambos son índices globales y no permiten un control categoría por categoría y, aún menos, establecer dentro de una categoría condiciones específicas. En este trabajo se propone un método novedoso basado en la distribución multinomial y en un test estadístico exacto. De esta forma, se pueden establecer las preferencias de exactitud para cada categoría y también establecer cierto grado de mala clasificación entre distintas categorías.

Referencias bibliográficas

  • Comber, A., Fisher, P., Brunsdon, C., and Khmag, A. (2012). “Spatial analysis of remote sensing image classification accuracy”. Remote Sensing of Environment, 127 pp. 237-246. [Consulta: 01-09-2017]. https://doi.org/10.1016/j.rse.2012.09.005.
  • Congalton, R.G., Green, K. (2009). Assessing the accuracy of remotely sensed data: Principles and practices. Boca Raton, USA. Lewis Publishers.
  • Gary, M., Senseman, C., Bagley, F., Scott, A. (1995). Accuracy Assessment of the Discrete Classification of Remotely-Sensed Digital Data for Landcover Mapping. USACERL Technical Report EN-95-04. [Consulta: 01-09-2017].http://www.dtic.mil/get-tr-doc/pdf?AD=ADA296212.
  • Goeman, JJ.; Solari, A. (2014). “Multiple Hypotheses Testing in Genomics”. Statistics in Medicine. 33(11) pp. 1946–1978. [Consulta: 01-09-2017]. doi:10.1002/sim.6082.
  • Liu, C., Frazier, P., Kumar, L. (2007). “Comparative assessment of the measures of thematic classification accuracy”. Remote Sensing of the Environment, 107(4) pp. 606-616. [Consulta: 01-09-2017]. doi:10.1016/j.rse.2006.10.010.
  • Mehta, C.R., Patel, N.R. (1983). “A Network Algorithm for Performing Fisher's Exact Test in r × c Contingency Tables”. Journal of the American Statistical Association, 78(382) pp.427-434.
  • Nishii, R., Tanaka, S. (1999). “Accuracy and inaccuracy assessments in land-cover classification”. Geoscience and Remote Sensing, IEEE Transactions on Geoscience and Remote Sensing, 37(1) pp. 491-498. [Consulta: 01-09-2017].DOI: 10.1109/36.739098.
  • Storer, B.E., Choongrak, K. (1990). “Exact properties of some exact test statistics for comparing two binomial proportions”. Journal of the American Statistical Association, 85(409) pp.146-155
  • Veregin, H. (1989). A Taxonomy of error in spatial databases. Technical papers of the National Center for Geographic Information and Analysis. Santa Barbara, USA. University of California. [Consulta: 01-09-2017]. http://ncgia.ucsb.edu/technical-reports/PDF/89-12.pdf.
Fuente de los datos: Dialnet