PRoRS
latest
课程介绍
第01讲 概述
第一部分:特征空间像元分类
第02讲 像元分类-决策规则
2.1 算法原理
2.2 分类函数
2.3 示例代码
2.4 探究式问题
2.5 课后习题
第03讲 神经网络-逼近能力
第04讲 学习算法-梯度下降
第05讲 模型评估-泛化能力
第06讲 非监督学习-降维与聚类
第二部分:图像平面对象识别
第07讲 图像分类-CNN
第08讲 对象检测-RCNN
第09讲 语义分割-FCN
第10讲 实例分割-RNN
第11讲 图像合成-GAN
第三部分:地球表面遥感制图
第12讲 地表覆盖制图
第13讲 土地覆盖分类
第14讲 专题制图
第15讲 变化遥感监测
学生报告
2017年春季课程报告
2018年春季课程报告
PRoRS
Docs
»
第02讲 像元分类-决策规则
Edit on GitHub
第02讲 像元分类-决策规则
¶
2.1 算法原理
2.1.1 贝叶斯决策论
2.1.2 贝叶斯分类器
2.2 分类函数
2.2.1 GuassianNB(高斯朴素贝叶斯)
2.2.2 NearestNeighbors(最近邻)
2.2.3 cross_val_score(交叉验证)
2.2.4 GridSearchCV(网格搜素)
2.2.5 confusion_matrix(混淆矩阵)
2.3 示例代码
2.3.1 调用示例
2.3.2 分析示例
2.4 探究式问题
2.4.1 提出问题
2.4.2 数据集说明
2.4.3 问题探讨
2.5 课后习题