使用机器学习在Polar Caps中检测云。NASA的多角度成像光谱辐射计图像拍摄的3幅图像,该卫星具有许多不同入射角的不同相机,收集不同波长的电磁辐射。通常,机器学习方法根据这些读数从陆地检测云的能力非常容易。但在极冠附近,由于陆地和云层具有相似的反射特性,通常的方法效果很差。在本实验室中,我们使用随机森林、逻辑回归、LDA和QDA构建和比较模型以区分云和雪。详细报告、与性能图的比较可以在找到。再现性这个实验是可重复的,可以在找到这样做的说明。
satellite data polarcaps机器学习模型用于区分极冠卫星图像中的云与雪
文件列表
satellite_data_polarcaps:一种用于区分极冠卫星图像中云和雪的机器学习模型
(预估有个164文件)
writeupLab4.aux
7KB
writeupLab4.synctex.gz
71KB
writeupLab4.log
41KB
README.md
1001B
ROC_block7.pdf
226B
ROC_converge1.pdf
9KB
ROC_image5.pdf
5KB
AUC_image2.csv
29B
ROC_block3.pdf
5KB
ROC_image1.pdf
5KB
暂无评论