প্রস্তাবিত RPCC বেশ কয়েকটি গুরুত্বপূর্ণ প্যারামিটার ব্যবহৃত হয়েছিল: P হ'ল MNF PCs এর সংখ্যা, W প্যাচের আকার, K local cube ক্ষেত্রে পিক্সেলের সংখ্যা, N প্যাচের সংখ্যা, এবং D convolutional layer সংখ্যা। আমাদের অ্যালগরিদম ডিজাইন অনুসারে, N এর চেয়ে বড় বা P সমান হতে হবে। অ্যালগরিদমের দক্ষতা বিবেচনা করে। আমরা P এর সমান N সেট।

প্রথমত, আমরা পরীক্ষার নকশা করেছি এবং আমাদের RPCC তে P and classification accuracy এর নির্ভুলতার মধ্যে সম্পর্কের প্লট করেছি। W, K, N, and D প্যারামিটার যথাক্রমে 25, 160, 45, and 5 । Figure তে দেখানো হয়েছে, যখন পি 5 থেকে 20 পর্যন্ত বৃদ্ধি পায়, তখন Indian Pine and KSC dataগুলির শ্রেণিবিন্যাসের নির্ভুলতা উল্লেখযোগ্যভাবে বৃদ্ধি পেয়েছে, তবে পাভিয়া বিশ্ববিদ্যালয়ের উত্থান স্পষ্ট নয়। যখন P 20 এর চেয়ে বড় হয়, তখন তিনটির overall accuracy (OA) হ্রাস পায় এবং পাভিয়া বিশ্ববিদ্যালয়ের ডেটা সেটের OA উল্লেখযোগ্যভাবে কম হয়। P মান বাড়ার সাথে সাথে তিনটি ডেটার সেটের পরীক্ষামূলক সময়টি উল্লেখযোগ্যভাবে দীর্ঘ হয়। accuracy and time ব্যয় মধ্যে ভারসাম্য বিবেচনা করে, আমরা P = 20 সেট করি।

দ্বিতীয়ত, প্যারামিটার W, প্যারামিটার পি, কে, এন, এবং ডি যথাক্রমে 20, 160, 20, এবং 5 সেট করে প্যারামিটারের শ্রেণিবিন্যাসের নির্ভুলতার সংবেদনশীলতা বিশ্লেষণ করেছি। W এর মান 15 থেকে 31 এবং ধাপের আকার 2। Figure দেখায় যে W 15 থেকে 21 থেকে বৃদ্ধি পাওয়ায়, Indian Pine data set এর শ্রেণিবদ্ধকরণের যথার্থতা ধীরে ধীরে বৃদ্ধি পায় এবং কেএসসি এবং পাবিয়া বিশ্ববিদ্যালয়ের শ্রেণিবিন্যাসের যথার্থতা কিছুটা বেড়ে যায়, W 21 এর বেশি হলে, Indian পাইনের ডেটা সেটের শ্রেণিবদ্ধকরণের নির্ভুলতা হ্রাস শুরু হয়, যখন কেএসসি এবং পাভিয়ার বিশ্ববিদ্যালয়ের শ্রেণিবিন্যাসের যথার্থতা কিছুটা হ্রাস পায় এবং স্থিতিশীল থাকে, সুতরাং আমরা W= 21 বেছে নিয়েছি।

Figure. Sensitivity analysis of the size of patches and classification accuracy for three data sets. OA: Overall Accuracy, KSC: Kennedy Space Center.

তৃতীয়, আমরা K এবং D এর বিভিন্ন মান সহ আরপিসিসির শ্রেণিবিন্যাসের নির্ভুলতার মূল্যায়ন করেছি, এই পরীক্ষায় , K 40 এর পদক্ষেপের সাথে 40 থেকে 360 পর্যন্ত এবং D 1 এর ধাপে 1 থেকে 9 পর্যন্ত পরিবর্তিত হয়েছিল, P, W এবং N প্যারামিটারগুলি যথাক্রমে 20, 21 এবং 20 ছিল।

Figure দেখায় যে তিনটি এইচএসআই ডাটা সেটগুলির জন্য OA একটি উচ্চ স্তরে বজায় রাখা হয়েছে। যখন K এবংD বৃদ্ধি পাবে, ইন্ডিয়ান পাইনের OA, পাভিয়া বিশ্ববিদ্যালয় এবং কেএসসি ধীরে ধীরে বৃদ্ধি পাচ্ছে। Figure দেখায় যে, a, c -তে দেখা যাবে যে যখন Indian Pine and KSC data sets গুলির highest OA অর্জন হয়েছিল, তখন K = 160 এবং D = 5 যখন পাভিয়া বিশ্ববিদ্যালয়ের ডেটা-সেটটির সর্বোচ্চ শ্রেণিবদ্ধতা নির্ভুলতা প্রাপ্ত হয়েছিল, D = 5 এবং K = 160, 200, বা 240. গণনা দক্ষতা এবং রেফারেন্সের পূর্ববর্তী কাজটি বিবেচনায় নিয়ে আমরা K = 160 এবং D = 5 নির্ধারণ করেছি।

Figure. Sensitivity analysis of the number of pixels, the number of convolutional layer and classification accuracy for three data sets. OA: Overall Accuracy, KSC: Kennedy Space Center (a) Indian Pine data set; (b) Pavia University data set; (c) KSC data set.