（1）最近鄰NN分類（基於樣本分類）
eCongnition中利用NN分類，需要選定訓練樣本並指定一個特徵空間，該特徵空間是固定的，包含一個或多個特徵引數，可以應用到一個或多個類中。例如，定義了特徵空間A，A中包括平均值，幾何，紋理等特徵引數，如果應用到B類，則在B類描述中可以看到該特徵空間。

eCongnition提供了兩種最近鄰分類器
Nearest Neighbor (NN): 特徵空間可以定義每個單個類的獨立性
Standard Nearest Neighbor (standard NN):標準最鄰近的特徵空間對整個工程和所有類在標準最鄰近表示式分配中是有效的。標準最鄰近（standard NN）是非常有用的，因為在大多情況下的當在同一個特徵空間操作對類的分割僅僅使有意義。

eCognition中的NN分類與KNN的區別：
KNN中當K=1時，是一中近似NN的分類方法，主要區別在於，NN輸出的membership value，即隸屬度值

（2）規則分類
eCongnition中只使用規則進行分類，則對於不同的類可以指定不同的規則，例如利用閾值，隸屬度函式對特定類別進行設定，然後根據規則對影像物件進行分類。