误差矩阵（也称混淆矩阵）是用来表示精度评价的一种标准格式。

n:类别的数量；p:样本总数；

pij:分类数据类型中第i类和实测数据类型第j类所占的组成成分；

pi+:分类所得到的第i类的总和;

p+j:实际观测的第j类的总和。

一般误差矩阵的左边代表的是参考图上的类别，上部代表的是要评价图像上的类别。

总体分类精度：对每一个随机样本，所分类的结果与地面所对应区域的实际类型相一致的概率。

用户精度（对于第i类）：从分类结果中任取一个随机样本，其所具有的类型与地面实际类型相同的条件概率。

制图精度（对于第j类）：对于地面获得的实际资料中的任意一个随机样本，分类图上同一地点的分类结果与其相一致的条件概率。

漏分误差（omission）：对于地面观测的某种类型，在分类图上任取一样本，它与实际地面观测类型不同的概率，即实际的某一类地物有多少被错误的分到其它类别。（1-制图精度）

错分误差（commission）：对于所分出的某一类型，任取一个样本，它与实际地面观测类型不同的概率，即图像中被划为某一类地物实际上有多少应该是别的类别。（1-用户精度）

Kappa分析（Kappa系数法）采用另一种离散的多元技术，考虑了矩阵的所有因素。Kappa分析产生的评价指标为Khat统计，是一种测定两幅图之间吻合度或精度的指标。

式中，r为误差矩阵的总列数（总的类别数）；xii为误差矩阵中第i行、第i列的值（正确分类的数目）；xi+和x+i分别为第i行和第i列的总像元数量；N为用于精度评价的总的像元数量。

参考：

[1]. 赵英时. 遥感应用分析原理与方法[M]. 科学出版社, 2003.

[2]. Koch L G G . The Measurement of Observer Agreement for Categorical Data[J]. Biometrics, 1977, 33(1):159-174.