监督分类和非监督分类都可以起到对类别属性进行划分的目的。

对一副道路图像，希望把道路部分划分出来，可以采用以下两种方法：1．在该图像中分别在道路部分与非道路部分画出一个窗口，把在这两个窗口中的象素数据作为训练集，用Fisher准则方法求得分类器参数，再用该分类器对整幅图进行分类。2．将整幅图的每个象素的属性记录在一张数据表中，然后用某种方法将这些数据按它们的自然分布状况划分成两类。因此每个象素就分别得到相应的类别号，从而实现了道路图像的分割。试问以上两种方法哪一种是监督学习，哪个是非监督学习？

简述非监督分类和监督分类的优缺点； 简述监督分类的主要步骤。

A、是否使用训练区

B、分类精度差异

C、分类类别数目不同

D、分类所用图像不同

A、训练场地

B、像元

C、颜色

D、坐标

A、正确

B、错误

A、光谱分类

B、空间分类

C、分层分类

D、专家分类