本文详细介绍了用于高光谱遥感影像分类的机器学习脚本,并详细解释了其中应用的最小错误贝叶斯分类器。同时,我们还探讨了如何使用这些工具对Salinas数据集进行分类和识别,从而更好地分析和研究不同的地物和
基于神经网络工具箱的遥感影像分类,徐宗秋,张建平,遥感影像分类技术是遥感影像分析与解译的重要环节之一,由于传统遥感影像分类方法存在不足,故采用BP神经元网络进行遥感影像分类�
本程序基于GDAL和VC6.0开发,可对TM影像进行K均值分类。
基于SPM特征提取的面向对象遥感影像分类发展与研究
决策树分类作为一种基于空间数据挖掘的知识发现的监督分类方法,它通过决策学习过程得到分类规则并对遥感影像进行分类,突破了以往分类树或分类规则的构建要利用分类者的生态学和遥感先验知识的确定。我们以AdaB
高分1号(GF-1)卫星遥感影像已经成为土地利用和覆盖的重要数据源。文中通过对所选样区分别采用最大似然、最小距离、支持向量机等监督分类方法进行分类,并比较它们所得出的分类结果,从而来探讨监督分类方法在
高光谱遥感分类数据集,PaviaUniversity。文件中有.mat格式的数据和ENVI原影像。如需要其他高光谱遥感分类数据集可与本人联系。
卫星遥感影像在城市规划中的重要性越来越被认可。利用多源卫星遥感影像可以了解城市的实际情况,并制定更加准确和有效的城市规划方案。本文详细介绍了卫星遥感影像如何被应用于城市规划,并提供了优化方案。请阅读以
基于改进BP神经网络的遥感影像分类方法研究,张建平,王崇倡,采用BP神经网络进行遥感影像分类,可以在一定程度上消除传统的遥感影像分类所带来的模糊性和不确定性。然而,BP网络自身也存在着��
文章提出了一种基于遗传算法的改进k均值分类算法对遥感影像进行分类采用聚类中心十进制整数编码方式,从轮盘赌方式进行选择,以当前聚类方式的总体离散度构建适应度函数,通过Matlab的Gatbx工具箱实现