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
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
5.1 算法原理
5.1.1 组合分类的特点
5.1.2 Boosting
5.1.3 Bagging
5.1.4 Decision Tree
5.1.4.1 分类树计算方法
5.1.4.2 根据样本特征属性分类
5.2 分类函数
5.3 示范案例
5.4 探究式问题
5.5 课后习题
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05讲 模型评估-泛化能力
»
5.1 算法原理
Edit on GitHub
5.1 算法原理
¶
5.1.1 组合分类的特点
¶
5.1.2 Boosting
¶
5.1.3 Bagging
¶
5.1.4 Decision Tree
¶
5.1.4.1 分类树计算方法
¶
5.1.4.2 根据样本特征属性分类
¶