《表7 合肥市局部区域GF-1分类精度(以ZY-3分类结果为检验基准)》

提取 ⇩
《表7 合肥市局部区域GF-1分类精度(以ZY-3分类结果为检验基准)》
%
《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7 合肥市局部区域GF-1分类精度(以ZY-3分类结果为检验基准)”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1 BP神经网络准确率比较
表1 BP神经网络准确率比较
应用于禽蛋壳体裂纹声检测的嵌入式神经网络方法
表2 BP神经网络反演结果精度分析
表2 BP神经网络反演结果精度分析
平顶山地下盐穴储气库建库盐层分布预测
表2 BP神经网络识别准确率
表2 BP神经网络识别准确率
基于多种信息处理方法的大肠癌中医证候模型构建
表1 融合实验数据:基于多分辨率分析的GF-5和GF-1遥感影像空—谱融合
表1 融合实验数据:基于多分辨率分析的GF-5和GF-1遥感影像空—谱融合
基于多分辨率分析的GF-5和GF-1遥感影像空—谱融合
表2 融合结果定量评价:基于多分辨率分析的GF-5和GF-1遥感影像空—谱融合
表2 融合结果定量评价:基于多分辨率分析的GF-5和GF-1遥感影像空—谱融合
基于多分辨率分析的GF-5和GF-1遥感影像空—谱融合