Pythonrscup遥感图像场景分类

文献Classification_of_remote_sensed_images_using_random_forests_and_deep_learning_framework译文

基于模糊C均值聚类的林地遥感图像分类研究

基于最大似然法的遥感图像分类技术研究，使用最大似然法做遥感图像的分类

一种新型具有良好特性的支持向量机--全间隔自适应模糊支持向量机被提出

遥感图像分类是遥感领域研究的热点问题之一。该文结合量子粒子群优化(QPSO)算法和多样性变异的机制提出了一种新的高光谱遥感图像分类算法。在遥感图像分类过程中,采用无监督分类,图像中每个像素点到聚类中心

该资源为机器学习领域中基于MATLAB的神经网络遥感图像分类代码，同时提供了用于测试的相关数据样本。

基于多源信息的TM遥感图像计算机分类

针对传统的遥感图像分类方法分类精度低的缺 点,提出了一种基于神经网络的分类方法。实验结果 表明,这种基于神经网络的分类器经过训练后,可应用 于遥感图像的分类,其分类精度明显高于传统的最大 似然分类法

为了进一步提高遥感图像分类的精度,提出了一种基于Log-Gabor 小波和Krawtchouk 矩的遥感图像分类算法。首先利用 Log-Gabor 小波对遥感图像进行多方向、多分辨率滤波,提取遥感图像

蚁群优化算法作为群智能理论的主要算法之一，已经成功应用在众多研究领域的优化问题上，但是在遥感数据处理领域还是一个新的研究课题。蚁群优化具有自组织、合作、通信等智能化优点，对数据无需统计分布参数的先验知