一般に、リモートセンシングデータを利用した土地被覆分類には最尤法が用いられる場合が多く、この手法はトレーニングデータが正規分布に従うという仮定に基づいており、データがその分布に従わない場合には正しい認識が行われない。一方、処理データの分布形状と無関係に学習できる、ニュートラルネットワークを用いたリモートセンシング解析が近年多くみられる。しかし、ニュートラルネットワークでは学習用の教師の選択によって、パターン認識の結果に大きな差異が生じる。今回は、トレーニングデータ自体の精度を向上させるためにそれらの手法による誤分解を削除し、そのデータ特性を調べると同時に、補正したデータによる分類精度について検討する。