1、SCut：计算所有测试文本与该类别的相似度。根据最优化该类别分类器的性能来调整相应的阈值，然后将确定的阈值应用到新的待分类文本上。优点：性能优异。
2、RTCut：方法修改了RCut和SCut的不足，并将二者结合起来确定类别的阈值，使查全率和查准率达到一定的平衡。RTCut修改了RCut中存在的不足，细化了其粗粒度，下面的公式是新的计分方法：
3、Set Max Distance Error：设置最大距离误差，以DN值方式输入一个值，距离大于该值的像元不被分入该类（如果不满足所有类别的最大距离误差，它们就不会被归为未分类类(unclassified)）。也有三种类型，这里选择None。
4、单击Preview，可以在右边窗口中预览分类结果，单击Change View可以改变预览区域选择分类结果的输出路径及文件名。
5、设置Out Rule Images为Yes，选择规则图像输出路径及文件名，单击OK按钮执行分类。
6、在主菜单中，选择Classification->Supervised-> Likelihood Classification，在文件输入对话框中选择TM分类影像。单击OK按钮打开Likelihood Classification参数设置面板。
