《表4 基于机器学习方法的极化SAR农作物分类》
注:PSO指粒子群,OWN(Optimized Wishart Net)指Gadhiya等提出的一种单隐藏层优化的Wishart网络
表4列出了近年来国内外采用机器学习方法进行的极化SAR农作物分类研究,包括使用的数据和分类算法及分类精度等。从表4可以看出,在光学影像分类中应用成熟的各种分类器,也在逐步结合不同的目标分解方法应用于极化SAR影像分类中,包括DT、SVM等。SVM和RF是极化SAR农作物分类中最常用的方法,在实际应用中,总体精度普遍达到90%。其中SVM分类最为突出,部分研究[39,48]使用SVM方法甚至达到95%以上的精度。与SVM相比,RF需要定义的参数更少,计算效率较高,在农作物分类研究中也取得了不错的效果。
图表编号 | XD00224352300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.25 |
作者 | 曾妍、王迪、田甜、张影 |
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、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 |
更多格式 | 高清、无水印(增值服务) |