机读格式显示(MARC)

• 000 01934nam 2200337 450

• 001 0000352816

• 005 20201015095400.0

• 010 __ |a 978-7-03-062736-0 |d CNY128.00

• 099 __ |a CAL 012019173355

• 100 __ |a 20191220d2019 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a af a 000yy

• 106 __ |a r

• 200 1_ |a 遥感多分类器集成方法与应用 |A yao gan duo fen lei qi ji cheng fang fa yu ying yong |f 杜培军 ... 等编著

• 210 __ |a 北京 |c 科学出版社 |d 2019

• 215 __ |a 223页, [8] 页图版 |c 图 (部分彩图) |d 26cm

• 225 2_ |a 地球观测与导航技术丛书 |A di qiu guan ce yu dao hang ji shu cong shu

• 300 __ |a “十三五”国家重点出版物出版规划项目 国家自然科学基金项目（40871195，41171323） 江苏省自然科学基金项目（BK2012018）国家高技术研究发展计划（“863计划”）课题（2007AA12Z162）

• 304 __ |a 题名页题其余责任者: 夏俊士, 苏红军, 谭琨

• 320 __ |a 有书目

• 330 __ |a 全书内容包括七章：第一章介绍了遥感影像分类进展，通过对不同分类器的比较与分析，构建了分类器集合；第二章从理论与实例两方面，探讨了集成学习和多分类集成的理论基础，分析了分类器多样性与互补性的评价，介绍了分类器选择的常用指标和方法；第三章重点探讨了基于样本操作和特征变换的多分类器集成方法，重点是Boosting、Bagging、RandomForest等方法的应用；第四章将先进的集成学习方法RotationForest用于遥感影像分类，实现了RotationForest从特征旋转、基分类器改进到空间光谱特征综合的拓展应用；第五章分析了基于异质分类器组合的多分类器集成方法，对多分类器选择、组合等进行了分析；第六章探讨了遥感多分类器集成在高光谱、多光谱和全极化SAR影像分类与变化检测中的若干应用实例，介绍了遥感多分类器系统的设计与开发，对今后的发展趋势进行了探讨。

• 410 _0 |1 2001 |a 地球观测与导航技术丛书

• 606 0_ |a 遥感图象 |A yao gan tu xiang |x 图象处理

• 690 __ |a TP751 |v 5

• 690 __ |a TP75 |v 5

• 701 _0 |a 杜培军 |A du pei jun |4 编著

• 701 _0 |a 夏俊士 |A xia jun shi |4 编著

• 701 _0 |a 苏红军 |A su hong jun |4 编著

• 801 _0 |a CN |b NMU |c 20191220

• 905 __ |a AUSTL |d TP751/D621-2