返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 诺森遥感多分类器集成方法与应用杜培军9787030627360科学出版社
  • 正版
    • 作者: 杜培军著 | 杜培军编 | 杜培军译 | 杜培军绘
    • 出版社: 科学出版社
    • 出版时间:2018-01-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    诺森文化制品专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 杜培军著| 杜培军编| 杜培军译| 杜培军绘
    • 出版社:科学出版社
    • 出版时间:2018-01-01
    • 版次:1
    • 字数:350000
    • 页数:223
    • 开本:26开
    • ISBN:9787030627360
    • 版权提供:科学出版社
    • 作者:杜培军
    • 著:杜培军
    • 装帧:平装胶订
    • 印次:暂无
    • 定价:128.00
    • ISBN:9787030627360
    • 出版社:科学出版社
    • 开本:26开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2018-01-01
    • 页数:223
    • 外部编号:9656655
    • 版次:1
    • 成品尺寸:暂无

    目录
    “地球观测与导航技术丛书”编写说明
    前言
    章 绪论 1
    1.1 遥感影像分类基础 1
    1.2 遥感影像分类技术流程和关键问题 9
    1.3 常用遥感影像分类方法 13
    1.4 遥感多分类器集成概述 26
    1.5 遥感影像分类研究进展 28
    参考文献 30
    第2章 集成学习与多分类器系统 38
    2.1 集成学习理论基础 38
    2.2 多分类器系统 41
    . 遥感多分类器集成实现方法 43
    2.4 遥感多分类器集成关键问题 45
    2.5 本章小结 49
    参考文献 49
    第3章 基于样本和特征的多分类器集成 54
    3.1 Boosting算法实现与应用 54
    3.2 Bagging算法实现与应用 60
    3.3 MultiBoost算法实现与应用 61
    3.4 随机子空间算法实现与应用 63
    3.5 随机森林算法实现与应用 64
    3.6 算法综合试验与比较分析 67
    3.7 本章小结 74
    参考文献 74
    第4章 基于旋转森林的遥感影像分类 79
    4.1 旋转森林原理 80
    4.2 嵌入马尔可夫随机场模型和局部线特征提取的旋转森林分类 91
    4.3 基于扩展形态学剖面和极限学习机的旋转森林 99
    4.4 基于旋转森林的全极化SAR影像分类 109
    4.5 本章小结 122
    参考文献 122
    第5章 异质分类器集成方法与应用 126
    5.1 多分类器层次型组合与应用 126
    5.2 监督/半监督特征提取与多分类器集成应用 130
    5.3 异质分类器决策级融合与应用 136
    5.4 动态多分类器集成与应用 139
    5.5 基于支持向量机的分类器集成方法 153
    5.6 本章小结 158
    参考文献 158
    第6章 遥感多分类器集成应用 161
    6.1 全极化SAR影像多分类器集成应用 161
    6.2 基于多分类器集成的光学和SAR影像协同分类应用 184
    6.3 高分辨率光学影像与机载LiDAR数据多分类器集成 195
    6.4 基于多差异影像集成的变化检测 208
    6.5 本章小结 218
    参考文献 218
    彩图

    分类是遥感影像处理和地学应用中*重要的内容之一,多分类器集成则是提高影像分类精度、控制不确定的有效策略。《遥感多分类器集成方法与应用》在介绍遥感影像分类、集成学习和多分类器系统基本知识的基础上,对遥感多分类器集成的理论、方法和应用进行系统探讨。先,简要介绍遥感影像分类的基本概念、基本理论和常用分类器,论述多分类器集成的重要和研究进展。然后,从集成学习、多分类器系统的基本理论和方法出发,提出遥感多分类器集成的实现策略,系统探讨样本层和特征层集成学习算法,包括Boosting、Bagging、随机森林等在遥感影像分类中的应用,并将**的集成学习方法旋转森林应用于遥感影像分类,进行系统的改进和优化。同时,研究异质多分类器集成在遥感影像分类中的应用,重点对分类器选择、组合策略、动态分类器组成等进行探讨。*后,对遥感多分类器集成的若干应用进行实例介绍和系统总结。

    遥感图象,图象处理 

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购