Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing 100091,China;
Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing 100091,China;
Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing 100091,China;
Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing 100091,China;
Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing 100091,China;
机译:基于支持向量机的多分量散射模型和纹理特征极化SAR图像分类
机译:基于支持向量机的多分量散射模型和纹理特征极化SAR图像分类
机译:基于生物地理的优化(BBO),人造蜜蜂(ABC)和支持向量机(SVM)的SAR图像分类的最佳特征选择:优化和机器学习的组合方法
机译:Polarimetric SAR Landcover分类支持向量机的特征选择方法
机译:支持向量机/回归特征选择以及分类应用。
机译:sigFeature:使用支持向量机和t统计量对基因表达数据进行分类的重要特征选择方法
机译:基于支持向量机的多分量散射模型和纹理特征极化SAR图像分类