《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。