典型文献
基于三种机器学习算法的面向对象土地覆被分类
文献摘要：
近年来,随着越来越多中高分辨率对地观测卫星的出现,面向对象的影像信息提取方法得到了更广泛的应用.同一时间,依靠强大的表征学习能力,以机器学习为代表的监督学习方法也逐渐成为遥感影像处理的重要手段.文章利用landsat-8对地观测卫星基于BeyesNet、J48决策树以及随机森林三种算法对目标研究区进行了土地覆被分类,结果显示基于机器学习的面向对象分类算法针对复杂地物可以取得较好的分类效果,其中相较于另外两种分类方法,随机森林算法整体效果最优.
文献关键词：
landsat-8;面向对象;贝叶斯网络;J48;随机森林
中图分类号：
作者姓名：
刘东杰
作者机构：
兰州大学资源环境学院,甘肃 兰州 730000
文献出处：
引用格式：
[1]刘东杰-.基于三种机器学习算法的面向对象土地覆被分类)[J].科学技术创新,2022(01):57-60
A类：
BeyesNet
B类：
机器学习算法,土地覆被分类,高分辨率对地观测卫星,影像信息提取,同一时间,表征学习,监督学习,遥感影像处理,landsat,J48,决策树,目标研究,基于机器学习,面向对象分类,分类算法,地物,分类效果,分类方法,随机森林算法,整体效果,贝叶斯网络
AB值：
0.352208
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
