《表6 合肥市局部区域各地物面积占比及误差》

提取 ⇩
《表6 合肥市局部区域各地物面积占比及误差》
%
《基于改进BP神经网络的多分辨率遥感图像分类及对比分析》

计算6类地物面积占比,并以ZY-3图像分类结果作为参考,求得GF-1图像各地物的面积误差和精度评价,如表6、表7所示。

  1. 保存图表

查看“表6 合肥市局部区域各地物面积占比及误差”的人还看了

表3 最终实验准确率:基于非对称全局卷积神经网络的遥感图像识别方法
表3 最终实验准确率:基于非对称全局卷积神经网络的遥感图像识别方法
基于非对称全局卷积神经网络的遥感图像识别方法
表3 基于卷积神经网络的遥感影像作物分类混淆矩阵
表3 基于卷积神经网络的遥感影像作物分类混淆矩阵
面向对象与卷积神经网络模型的GF-6 WFV影像作物分类
表1 BP神经网络模型的部分预测误差表
表1 BP神经网络模型的部分预测误差表
高压共轨系统两次喷射喷油量波动规律及其组合预测模型
表6 BP神经网络模型训练误差
表6 BP神经网络模型训练误差
300M超高强度钢铣削力模型构建及MOPSO优化
表3 实验环境参数:遗传算法优化确定BP神经网络的遥感图像分类
表3 实验环境参数:遗传算法优化确定BP神经网络的遥感图像分类
遗传算法优化确定BP神经网络的遥感图像分类
表A2 BP神经网络和LSTM误差对比
表A2 BP神经网络和LSTM误差对比
含高比例风电的电力市场电价预测