PRoRS

课程介绍

  • 第01讲 概述

第一部分:特征空间像元分类

  • 第02讲 分类过程
  • 第03讲 学习过程
  • 第04讲 深度学习
  • 第05讲 模型选择
    • 5.1 算法原理
    • 5.2 分类函数
    • 5.3 示范案例
    • 5.4 探究式问题
    • 5.5 课后习题
  • 第06讲 数据准备
  • 课后作业 1

第二部分:图像平面对象识别

  • 第07讲 图像分类-CNN
  • 第08讲 对象检测-RCNN
  • 第09讲 语义分割-FCN
  • 第10讲 实例分割-RNN
  • 第11讲 图像合成-GAN
  • 课后作业 2

第三部分:地球表面遥感制图

  • 第12讲 地表覆盖制图
  • 第13讲 土地覆盖分类
  • 第14讲 专题制图
  • 第15讲 变化遥感监测
  • 课后作业 3

学生报告

  • 2017年春季课程报告
  • 2018年春季课程报告
PRoRS
  • 第05讲 模型选择
  • 查看页面源码

第05讲 模型选择

  • 5.1 算法原理
    • 5.1.1 组合分类的特点
    • 5.1.2 Boosting
    • 5.1.3 Bagging
    • 5.1.4 Decision Tree
  • 5.2 分类函数
    • 5.2.1 DecisionTreeClassifier(决策树)
    • 5.2.2 AdaBoostClassifier(串行集成-AdaBoost)
    • 5.2.3 RandomForestClassifier(并行集成-随机森林)
  • 5.3 示范案例
    • 5.3.1 调用示例
    • 5.3.2 分析示例
  • 5.4 探究式问题
    • 5.4.1 提出问题
    • 5.4.2 数据集说明
    • 5.4.3 问题探讨
  • 5.5 课后习题
上一页 下一页

© 版权所有 2024, DREAM。

利用 Sphinx 构建,使用的 主题 由 Read the Docs 开发.