机译:探索使用集合余量对大面积土地覆盖分类进行随机森林性能训练数据失衡和标签错误的问题
RMIT Univ, Sch Math & Geospatial Sci, Melbourne, Vic 3001, Australia|Victorian Dept Environm Land Water & Planning, East Melbourne, Vic 3002, Australia;
Univ Bordeaux, IPB, G&E Lab EA 4592, F-33670 Pessac, France;
Victorian Dept Environm Land Water & Planning, East Melbourne, Vic 3002, Australia;
RMIT Univ, Sch Math & Geospatial Sci, Melbourne, Vic 3001, Australia;
Ensemble margin; Training data; Classification; Remote sensing; Imbalance; Mislabelling;
机译:使用扩展的边距和分歧性能的极端梯度提振效率的不平衡土地覆被分类
机译:上下文土地覆盖分类:使用随机森林和Getis统计量将空间依赖性纳入土地覆盖分类模型
机译:上下文土地覆盖分类:使用随机森林和Getis统计量将空间依赖性纳入土地覆盖分类模型
机译:利用集成余量探索大面积土地覆盖分类中训练数据不平衡和贴错标签的问题
机译:具有集合决策树方法的分数随机加权自动启动,用于分类数据
机译:训练用于医疗决策的神经网络分类器:不平衡数据集对分类性能的影响
机译:基于纹理的森林覆盖分类,使用随机森林和集合边距
机译:Landsat 4专题制图数据的初步分析农业,森林湿地和城市土地覆盖的分类