首页> 外文OA文献 >Performance Evaluation of Three Image Classification Methods (Random Forest, Support Vector Machine and the Maximum Likelihood) in Land Use Mapping

【2h】

Performance Evaluation of Three Image Classification Methods (Random Forest, Support Vector Machine and the Maximum Likelihood) in Land Use Mapping

机译：三种图像分类方法（随机林，支持向量机和最大似然）的绩效评估在土地利用映射中

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
F. Jahanbakhshi; M. R. Ekhtesasi;
展开▼
作者单位

展开▼
年度 2019
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Performance Evaluation of Three Image Classification Methods (Random Forest, Support Vector Machine and the Maximum Likelihood) in Land Use Mapping [J] . Jahanbakhshi F., Ekhtesasi M. R. Journal of Science and Technology of Agriculture and Natural Resources . 2019,第4期

机译：土地利用制图中三种图像分类方法（随机森林，支持向量机和最大似然）的性能评估
2. Comparison of maximum likelihood, support vector machines, and random forest techniques in satellite images classification [J] . José Antonio Valero Medina, Beatriz Elena Alzate Atehortúa Revista Tecnura . 2019,第59期

机译：卫星图像分类中最大似然，支持向量机和随机森林技术的比较
3. LAND USE AND LAND COVER CLASSIFICATION USING HYPERSPECTRAL IMAGERY: EVALUATING THE PERFORMANCE OF SPECTRAL ANGLE MAPPER, SUPPORT VECTOR MACHINE AND RANDOM FOREST [J] . Christovam L. E., Pessoa G. G., Shimabukuro M. H., International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences . 2019,第2aW8期

机译：利用高光谱影像对土地利用和土地覆盖进行分类：评估光谱角映射器，支持向量机和随机森林的性能
4. Evaluating the performance of support vector machines (SVMs) and random forest (RF) in Li-pegmatite mapping: preliminary results [C] . J. Cardoso-Fernandes, A. C. Teodoro, A. Lima, Earth Resources and Environmental Remote Sensing/GIS Applications . 2019

机译：评估LI-PEGMATITE测绘的支持向量机（SVM）和随机林（RF）的性能：初步结果
5. Comparative classification of prostate cancer data using the Support Vector Machine, Random Forest, DualKS and k-Nearest Neighbours. [D] . Sakouvogui, Kekoura. 2015

机译：使用支持向量机，Random Forest，DualKS和k-Nearest邻居对前列腺癌数据进行比较分类。
6. Comparison of Random Forest k-Nearest Neighbor and Support Vector Machine Classifiers for Land Cover Classification Using Sentinel-2 Imagery [O] . Phan Thanh Noi, Martin Kappas 2018

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
7. Comparison of maximum likelihood, support vector machines, and random forest techniques in satellite images classification [O] . José Antonio Valero Medina, Beatriz Elena Alzate Atehortúa 2019

机译：卫星图像分类中最大可能性，支持向量机和随机林技术的比较

Performance Evaluation of Three Image Classification Methods (Random Forest, Support Vector Machine and the Maximum Likelihood) in Land Use Mapping

著录项

引文网络

相似文献

相关主题

期刊订阅