遥感实验--非监督分类

本文探究了五种典型的机器学习算法在高光谱遥感影像数据分类中的适用性。通过对Salinas数据集进行多次实验比较，发现支持向量机算法具有最高的分类精度，但随机森林算法也表现出较高的分类准确度。同时，对其

提出一种聚类特征和SVM组合的高光谱影像半监督协同分类方法。利用整合的协同分类框架能够将KSFCM聚类算法与半监督SVM分类器相结合,同时利用聚类和分类优势,提高分类器的分类准确率。其中,通过聚类消耗

对ISOMap、LDA、LLE、PCA这4种典型降维算法的主要思想和算法步骤进行了详细分析,并将它们用于有监督分类。从实验结果分析得到结论,其可为有监督分类提供有益的借鉴。

matlab代码程序，训练集测试集代码，优化半监督svm朴素贝叶斯等等

随着机器学习算法变得越来越复杂以利用数据的细微特征,它们通常越来越依赖于仿真。 本文提出了一种称为弱监督分类的新方法,其中类别比例是机器学习算法的唯一输入。 使用高能物理中最具挑战性的二进制分类任务之

极化合成Kong径雷达(PolSAR)满足了全天无光照,不受天气等原因获取图像的要求,因此已广泛应用于军事和民用生活。 PolSAR图像包含大量信息。 其处理和解释在国防建设和经济发展中起着越来越重要

erdas遥感常见的图像处理方法

遥感原理实验指导ERDAS的使用方法遥感专业资料

遥感实验报告，包括卫片立体观测、卫片标记的识别、机场遥感目视解译制图，熟悉遥感的一些知识和熟悉Supermap软件的使用技巧。

本科时写的。包括图像格式转换、灰度变换、图像增强、边缘检测、直方图统计、形态学运算。以及遥感影像K均值分类算法，针对bmp彩色图像。VC++6.0编程实现。