排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
多核学习算法在高光谱图像分类领域占据着十分重要的地位。与灰度图像、全色图像和多光谱图像等相比,高光谱图像因具有很强的分类识别能力等多方面优势而被广泛应用。为进一步提高高光谱图像的分类精度,促进多核学习算法在高光谱图像分类中的应用,本文对多核学习算法及其在高光谱图像分类中的应用进行了总结。首先在回顾核方法的基础上阐述了多核学习框架,其次对多核学习核函数组合方法进行综述,随后根据求解多核学习组合系数方法的不同将多核学习分为两类:固定规则的多核学习算法和基于优化的多核学习算法,并对两类多核学习算法在高光谱图像分类中的应用进行综述,总结各类算法在高光谱图像分类的应用进展。同时,为了便于研究者对多核学习算法及其在高光谱图像分类问题中的应用研究,本文对常用核函数和高光谱图像数据集进行了整理归纳。最后,讨论了多核学习算法在高光谱图像分类研究方面的不足,并对未来研究方向进行了展望,以期为该领域的研究和应用提供参考。 相似文献
2.
随着地理信息系统(GIS)应用领域的不断深入,基于时态GIS技术的森林资源更新管理成为一个重要的研究方向。本文在森林资源小班数据更新分析的基础上,对比总结了当前主流的时空数据模型,介绍了时空数据库的构建形式和森林资源数据的更新流程,为时态GIS技术在森林资源管理中的进一步研究提供了方向。 相似文献
3.
1