《表3 PSO-SVM植被提取结果》
提示：宽带有限、当前游客访问压缩模式
GA及PSO算法优化的SVM提取植被的评价结果如表2和表3所示；ABC优化的SVM植被提取结果如表4所示；综合评价结果如表5所示:
| 图表编号 | XD0012741800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.04.30 |
| 作者 | 唐昊 |
| 绘制单位 | 重庆数字城市科技有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 1989—2015年乌伦古河流域植被覆盖度提取结果》2018.12.08
- 《表4 植被覆盖度提取结果及精度》2020.04.01
- 《表1 PSO-SVM对漏失点的诊断结果》2020.07.25
- 《表3 CIVE提取的植被区所占比重》2020.07.15
- 《表5 19种可见光植被指数的植被提取精度评价》2020.02.01
- 《表5 植被信息提取误差矩阵表》2019.08.01
- 《表4 植被提取精度评价：基于无人机影像的绿色植被提取方法》2019.08.01
- 《表1 PSO-SVM预测结果》2020.02.25
- 《表3 MOD13Q1获取的与无人机提取的草地植被覆盖度回归分析与精度评价》2019.06.01
- 《表3 PSO-SVM、GA-SVM和AFSA-SVM的结果对比》2019.01.20
- 《表2 PSO-SVM识别精度结果》2019.02.01
- 《表1 PSO-SVM预测结果》2019.01.01
- 《表5 PSO-SVM方法与本文方法诊断结果对比Tab.5 PSO-SVM method and the diagnostic results of this method》2018.03.10
- 《表4 ABC-SVM植被提取结果》2018.04.30
- 《表2 GA-SVM植被提取结果》2018.04.30
- 《表5 植被提取综合评价结果》2018.04.30
- 《表4 PSO-SVM模型分类精度预测结果》2019.11.30
- 《表3 4期GF-1 WFV影像各植被指数阈值提取翅碱蓬统计结果》2019.12.05
- 《表2 2014年9月8日各植被指数阈值提取翅碱蓬统计结果》2019.12.05
- 《表4 茂县植被提取精度验证》2018.08.25