《表1 1D CNN和RF模型的超参数》
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Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别》
超参数训练的目标是得到每种极化方式(VV,VH,VH+VV)下1D CNN和RF的最优超参数,称其为分类器。训练标准通常是用最少计算量获得最高分类精度。本研究中,1D CNN和RF模型需要训练的超参数如表1所示。模型的输入为全时间序列(L=30个)极化数据。由于不同作物的样本数量分布不均匀,试验随机选取每类作物样本的80%为训练集,其余20%样本为测试集。
图表编号 | XD00135737600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 赵红伟、陈仲新、姜浩、刘佳 |
绘制单位 | 中国农业科学院农业资源与农业区划研究所、农业农村部农业遥感重点实验室、中国农业科学院农业资源与农业区划研究所、农业农村部农业遥感重点实验室、Information Technology Division, Food and Agriculture Organization of the United Nations (FAO)、广东省遥感与地理信息系统应用实验室、广东省地理空间信息技术与应用公共实验室、广州地理研究所、中国农业科学院农业资源与农业区划研究所、农业农村部农业遥感重点实验室 |
更多格式 | 高清、无水印(增值服务) |