|
000
|
01673nam 2200277 450
|
|
001
|
0100015415
|
|
010
|
|
@a978-7-03-062736-0@dCNY128.00
|
|
100
|
|
@a20191210d2019 em y0chiy50 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aaf a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a遥感多分类器集成方法与应用@Ayao gan duo fen lei qi ji cheng fang fa yu ying yong@f杜培军 ... 等著
|
|
210
|
|
@a北京@c科学出版社@d2019.11
|
|
215
|
|
@a223页, [8] 页图版@c图@d26cm
|
|
225
|
2
|
@a地球观测与导航技术丛书@Adi qiu guan ce yu dao hang ji shu cong shu
|
|
300
|
|
@a“十三五”国家重点出版物出版规划项目 国家自然科学基金项目 (10871195、41171323) 江苏省自然科学基金项目 (BK2012018) 国家高技术研究发展计划 (“863计划”) 课题 (2007AA12Z162)
|
|
304
|
|
@a题名页题其余责任者: 夏俊士、苏红军、谭琨等
|
|
320
|
|
@a有书目
|
|
330
|
|
@a本书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。首先, 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性和研究进展。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, 并将新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。最后, 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。
|
|
410
|
0
|
@12001 @a地球观测与导航技术丛书
|
|
606
|
0
|
@a遥感图象@Ayao gan tu xiang@x图象处理
|
|
690
|
|
@aTP751@v5
|
|
701
|
0
|
@a杜培军@Adu pei jun@4著
|
|
801
|
0
|
@aCN@c20191210
|
|
905
|
|
@a河南城建学院图书馆@dTP751@f1@eD842
|
|
|
|
|
| |
| 遥感多分类器集成方法与应用/杜培军 ... 等著.-北京：科学出版社，2019.11 |
| 223页, [8] 页图版：图；26cm.-(地球观测与导航技术丛书) |
| “十三五”国家重点出版物出版规划项目 国家自然科学基金项目 (10871195、41171323) 江苏省自然科学基金项目 (BK2012018) 国家高技术研究发展计划 (“863计划”) 课题 (2007AA12Z162) |
| |
| ISBN 978-7-03-062736-0：CNY128.00 |
| 本书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。首先, 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性和研究进展。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, 并将新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。最后, 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。 |
| ● |
正题名：遥感多分类器集成方法与应用
索取号：TP751/D842
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1497367
|
214973670
|
自科库301/301自科库 136排2列3层/
[索取号:TP751/D842]
|
在馆
|
|
