首页> 中文学位 >基于Sentinel--2数据的低山丘陵区水稻种植面积监测--机器学习模型分类性能与可迁移性评价
【6h】

基于Sentinel--2数据的低山丘陵区水稻种植面积监测--机器学习模型分类性能与可迁移性评价

代理获取

目录

声明

第1章 文献综述

1.1 水稻种植面积监测方法

1.2 机器学习/深度学习与水稻种植面积监测

第2章 引言

2.1 研究背景及意义

2.2 研究目标

2.2 研究内容

2.2 技术路线

第3章 研究区与数据

3.1 研究区概况

3.2 影像数据及预处理

3.3 纯像元样点提取

第4章 机器学习模型与分类精度评价

4.1 卷积神经网络简述

4.2 卷积神经网络分类模型

4.3 非卷积神经网络分类模型

4.4 分类模型精度评价

第5章 结果与分析

5.1 最优时相组合的选择

5.2 不同分类模型的本地精度评价

5.3 不同分类模型的迁移性评价

5.4 水稻预测分布制图与面积精度评价

第6章 讨论与总结

6.1 讨论

6.1 主要结论

参考文献

致谢

在学期间的科研成果

展开▼

著录项

  • 作者

    张卫春;

  • 作者单位

    西南大学;

  • 授予单位 西南大学;
  • 学科 土地资源管理
  • 授予学位 硕士
  • 导师姓名 刘洪斌;
  • 年度 2020
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 S56TP1;
  • 关键词

  • 入库时间 2022-08-17 11:21:50

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号