...
机译:图像获取日期,图像数量,分类器和训练样本数量对不透水覆盖物二进制分类精度的交互作用
Univ Florida, Dept Geog, Gainesville, FL 32611 USA;
SUNY Coll Environm Sci & Forestry, Dept Environm Resources Engn, 1 Forestry Dr, Syracuse, NY 13210 USA;
机译:训练样本和分类机对Landsat-8图像分类的影响
机译:用于训练样本有限的多频率PoISAR图像的多分类器系统
机译:使用迁移的训练样本使用谷歌地球发动机内使用Sentinel Imagery的Sentinel图像改进了伊朗的陆地覆盖地图,并使用迁移训练样本进行了新颖的土地覆盖分类工作流程
机译:通过应用不同的图像融合技术和不同训练样本对土地覆盖和土地利用土地利用的准确评估
机译:使用卫星感应图像及其纹理值进行土地覆盖分类:基于佛罗里达州土地利用和覆盖分类系统的准确性评估。
机译:使用Sentinel-2影像进行土地覆盖分类的随机森林k最近邻和支持向量机分类器的比较
机译:卫星图像分类的准确性评估,具体取决于训练样本
机译:利用多级分类器提高雷达图像的分类精度