图书介绍
基于机器学习的遥感影像分类方法研究PDF|Epub|txt|kindle电子书版本网盘下载
- 刘颖著 著
- 出版社： 北京：清华大学出版社
- ISBN：9787302359913
- 出版时间：2014
- 标注页数：149页
- 文件大小：15MB
- 文件页数：162页
- 主题词：机器学习－应用－遥感图象－分类－研究
PDF下载
下载说明
基于机器学习的遥感影像分类方法研究PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1基本概念2
1.1.1土地覆盖2
1.1.2遥感技术3
1.1.3机器学习4
1.2研究意义5
1.2.1丰富土地覆盖遥感分类的理论与方法6
1.2.2为土地利用/覆盖的动态监测、保护和管理提供技术支持6
1.2.3一种新的自适应半监督支持向量机遥感分类模型的提出7
1.2.4半监督学习思想和集成学习思想的融合7
1.3本书研究方法及结构安排7
1.3.1研究方法7
1.3.2结构安排10
参考文献12
第2章 关键技术国内外研究现状19
2.1遥感影像信息提取方法20
2.2 SVM遥感分类研究进展24
2.2.1 SVM在遥感分类中的优点24
2.2.2 SVM在遥感影像分类中的不足26
2.2.3 SVM在遥感影像分类中的应用领域27
2.3半监督学习理论及研究进展29
2.4半监督分类中的聚类算法32
2.5集成学习理论及研究进展32
参考文献36
第3章 遥感图像数字化49
3.1研究区位置及遥感影像集50
3.1.1研究区位置50
3.1.2研究区影像集52
3.1.3分类体系的建立52
3.2遥感影像数字集53
3.2.1样本采集53
3.2.2特征选取56
3.3本章小结62
参考文献63
第4章 SVM参数优化方法研究67
4.1 SVM理论及参数优化算法研究进展68
4.1.1 SVM的核心思想68
4.1.2 SVM理论68
4.1.3 SVM参数优化方法研究进展72
4.2基于自适应变异粒子群参数优化的土地覆盖分类模型75
4.2.1传统粒子群算法（PSO）75
4.2.2自适应变异粒子群优化算法（AMPSO）76
4.2.3土地覆盖分类模型构建79
4.3实验结果与分析82
4.3.1实验影像选取82
4.3.2特征选取及样本集表示83
4.3.3核函数的选取83
4.3.4实验参数及精度评价指标84
4.3.5实验结果与比较85
4.4本章小结90
参考文献91
第5章 基于模糊聚类的半监督支持向量机土地覆盖分类方法研究95
5.1概述96
5.2自训练半监督学习96
5.2.1无标签样本的重要性96
5.2.2自训练半监督算法97
5.3模糊聚类理论99
5.3.1聚类的概念99
5.3.2常用聚类算法100
5.3.3聚类有效性验证105
5.4一种新的自训练半监督支持向量机分类模型构建106
5.4.1未标记样本的选择依据107
5.4.2基于GKclust的自训练半监督支持向量机设计流程107
5.4.3基于GKclust的自训练半监督支持向量机算法109
5.5实验结果与分析109
5.5.1遥感影像数字化110
5.5.2参数设置111
5.5.3模糊聚类算法的比较112
5.5.4无标签样本的参与比例115
5.5.5土地覆盖遥感图像分类121
5.6本章小结123
参考文献124
第6章 基于半监督集成支持向量机的土地覆盖分类研究129
6.1概述130
6.2集成学习框架130
6.2.1个体生成方法131
6.2.2结论生成方法133
6.3半监督集成支持向量机的土地覆盖分类模型构建134
6.3.1个体生成算法135
6.3.2结论生成算法136
6.4实验结果与分析136
6.4.1实验数据137
6.4.2结果与精度分析137
6.5本章小结140
参考文献141
第7章 总结与展望145
7.1研究结论146
7.2本书不足之处148
7.3研究展望148