注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. BP神经网络的沙漠化土地信息提取研究

  2. 以塔克拉玛干沙漠南缘策勒绿洲为例， 探讨了基于主成分融合的沙漠化信息的提取方法。由landsatETM+的全色波段与多光谱波段有相同成像条件， 影像获取时间一致， 两种不同分辨率的数据可以不经配准而实现高精度融合。首先，对landsatETM+的全色图像与多光谱 图像进行主成分融合处理,再利用 B P神经网络模 型， 以相同的训练样本分别对融合前后的影像进行分类， 在此基础上进行沙漠化信息的提取。结果表明： 主成分变换融合图像的光谱信息保持性 、 信息量以及空间分解力都较高， 且分类精度比la

  3. 所属分类：网络基础

  1. 【期刊】基于径向基函数神经网络的高光谱遥感图像分类

  2. 从径向基函数神经网络的理论出发, 针对高光谱数据的特点, 设计了有效的特征提取模型, 再与径向基函数神经网络的输入层连接, 建立了一个新的径向基函数神经网络的高光谱遥感影像分类模型, 并用国产OMISII 传感器获得的64 波段数据进行试验。首先进行了最小噪声分离变换, 提取了1～20 个分量的数据, 使用提取后的数据(20 维) 、提取后数据的纹理变换(20 维) 和主成分分析的前(20 维) , 组成了60 维向量数据进行分类处理, 这种分类器结构简单、容易训练、收敛速度快, 其分类精度达

  3. 所属分类：网络基础

    • 发布日期：2010-11-09
    • 文件大小：651kb
    • 提供者：timeme

  1. VC++数字图像模式识别技术及工程实践

  2. 目录 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主

  3. 所属分类：C++

    • 发布日期：2013-05-16
    • 文件大小：14mb
    • 提供者：a121649982

  1. Visual C++数字图像模式识别技术及工程实践工程源代码

  2. 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主要步骤

  3. 所属分类：C++

    • 发布日期：2013-05-17
    • 文件大小：14mb
    • 提供者：a121649982

  1. 基于Matlab的遥感影像BP神经网络分类算法

  2. 基于MATLAB写的可对遥感影像进行BP神经网络分类的m文件，里面有测试图像数据，其中感兴趣区域数据是由ENVI选取的感兴趣区域保存而来。

  3. 所属分类：其它

    • 发布日期：2013-05-22
    • 文件大小：2mb
    • 提供者：u010542957

  1. BP神经网络在遥感影像分类中的应用

  2. BP神经网络在遥感影像分类中的应用，罗卿莉，，传统的基于统计的分类要求数据服从正态分布，并存在分类精度低的特点。本文在Matlab平台基础上，采用BP神经网络对遥感图像进行监督�

  3. 所属分类：其它

    • 发布日期：2020-01-26
    • 文件大小：364kb
    • 提供者：weixin_38666232

  1. 基于BP神经网络的遥感图像分类

  2. 基于BP神经网络的遥感图像分类，王文文，郭嗣琮，为了研究神经网络在遥感分类中的应用，从神经网络的特点和其它的遥感分类方法的比较上，说明神经网络应用遥感分类有着独特的优势

  3. 所属分类：其它

    • 发布日期：2020-01-19
    • 文件大小：576kb
    • 提供者：weixin_38679839

  1. 遥感影像的最优波段组合联合WCOMP + BPNN分类方法

  2. 已经研究了各种分类方法以提高分类精度。 这研究提出了一种最优的波段组合联合WCOMP + BPNN分类方法ETM遥感图像。 它分析了各种类型物体的光谱特征， 基于最少的冗余信息来构造最佳的频带组合。 遥控器感知图像经过WCOMP + BPNN方法分类后，根据BP神经网络进行分类。 WCOMP降低了噪音。 实验结果表明所提出的性能与两个传统分类器（即BPNN和K-Means。

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：128kb
    • 提供者：weixin_38725260

  1. 基于特征整合的卷积神经网络草地分类算法

  2. 为提高遥感影像草地分类的精度，分析了卷积神经网络中提取图像特征的特点，提出了一种 基于特征整合深度神经网络的遥感影像特征提取算法。首先，将遥感影像数据进行PCA白化处理，降低 数据之间的相关性，加快神经网络学习的速率；其次，将从卷积神经网络中提取到的浅层特征和深层特征 进行双线性整合，使得整合后的新特征更加完善和优化；最后，对遥感数据进行训练，由于新特征中有效信 息的增加，使得特征表达能力得到提高，达到提高草地分类准确率的目的。实验结果表明：该算法能够有 效地提高草地分类的准确率，分类精度达到9

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：478kb
    • 提供者：weixin_38689976

  1. 基于栈式自编码的水体提取方法

  2. 为了进一步提高利用遥感图像进行水体提取的准确率和自动化程度，提出一种基于栈式自编码( SAE) 深度神经网络的水体提取方法。通过堆叠稀疏自编码器构建深度网络模型，使用逐层贪婪训练法依次训练每层网络，从像素层面无监督学习特征，避免传统神经网络等方法需进行人工特征分析与选取的问题; 用学习到的特征结合相应的样本标签有监督训练 softmax 分类器; 利用反向传播( BP) 算法微调优化整个模型。采用塔里木河 ETM + 数据进.行实验，基于 SAE 的水体提取方法准确率达到 94． 73% ，比支

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：250kb
    • 提供者：weixin_38622475