《表2 神经网络和SLIC分割方法具体参数》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于多层神经网络与Sentinel-2数据的大豆种植区识别方法》
在Scikit-learn库的支持下实现了一个包含8隐含层的10层神经网络,具体参数如表2所示,每类使用600个样本点进行训练、300个样本点进行验证。分类结果如图7(a)所示,可以看出,大豆多分布与北安县左侧的松嫩平原一侧,山区耕地面积较少。多层神经网络分类生产者精度约为96%,其他作物的生产者精度约为92%;其分类混淆矩阵如图7(b)所示。从混淆矩阵中可以看出,大约有5%的其他作物错分到大豆类别,3%的其他作物分到植被中;3%的大豆错分为其他作物,1%的大豆错分为植被。植被、其他作物、大豆三类由于光谱特征类似,较易混淆。
图表编号 | XD0056574800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.25 |
作者 | 田富有、吴炳方、曾红伟、何昭欣、张淼、José Bofana |
绘制单位 | 中国科学院遥感与数字地球研究所遥感科学国家重点实验室、中国科学院大学、中国科学院遥感与数字地球研究所遥感科学国家重点实验室、中国科学院大学、中国科学院遥感与数字地球研究所遥感科学国家重点实验室、中国科学院遥感与数字地球研究所遥感科学国家重点实验室、中国科学院大学、中国科学院遥感与数字地球研究所遥感科学国家重点实验室、中国科学院遥感与数字地球研究所遥感科学国家重点实验室、中国科学院大学 |
更多格式 | 高清、无水印(增值服务) |