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
  • 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
    • 线性分类器
    • 聚类：kmeans、高斯混合模型
    • SVM不同核函数及其参数对分类性能
    • Adaboost集成算法
    • 随机森林
  • 2018年春季课程报告
PRoRS
  • Docs »
  • 2017年春季课程报告
  • Edit on GitHub

2017年春季课程报告¶

  • 线性分类器
    • 导入
    • 读取数据
    • 拆分训练集50，验证集25，测试集25
    • 训练模型
    • 对图形分类
  • 聚类：kmeans、高斯混合模型
    • 模块导入
    • 读取数据
    • k-means
    • GMM
  • SVM不同核函数及其参数对分类性能
    • 导入
    • 读取数据
  • Adaboost集成算法
  • 随机森林
Next Previous

© Copyright 2020, YNS Revision 355ce991.

Built with Sphinx using a theme provided by Read the Docs.