机读格式显示(MARC)

• 000 01651nam0 2200337 450

• 001 0000403920

• 005 20220325095600.0

• 010 __ |a 978-7-5625-5035-8 |d CNY68.00

• 099 __ |a CAL 012021130941

• 100 __ |a 20211014d2021 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 420000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 智能优化方法及其在高光谱图像处理中的应用 |A zhi neng you hua fang fa ji qi zai gao guang pu tu xiang chu li zhong de ying yong |f 刘小波[等]著

• 210 __ |a 武汉 |c 中国地质大学出版社 |d 2021

• 215 __ |a 131页 |c 彩图 |d 23cm

• 300 __ |a 国家自然科学基金 (61973285、62076226、61873249、61773355、61603355) 湖北省自然科学基金 (2018CFB528) 资助

• 304 __ |a 题名页题其余责任者: 蔡之华, 蔡耀明, 姜鑫维

• 314 __ |a 刘小波, 博士, 中国地质大学 (武汉) 自动化学院副教授、博士生导师, 主要从事演化计算、数据挖掘、高光谱遥感方面的研究工作。

• 320 __ |a 有书目

• 330 __ |a 本书介绍了基于改进深度森林的高光谱图像分类模型, 结合高光谱图像的特点, 引入其他算法和改进深度森林算法, 提高了高光谱图像分类性能。针对高光谱图像的像元分类, 传统超限学习机算法因为模型随机性过大和过拟合等问题, 导致分类效果不佳。本书介绍了基于多目标优化的稀疏超限学习机分类算法, 用于对特征提取后的像元进行分类, 实验证明了本书介绍的超限学习机模型的稀疏连接结构具备可行性, 并且有效地提高了稀疏超限学习机在高光谱图像像元分类中的泛化性能。

• 606 0_ |a 遥感图象 |A yao gan tu xiang |x 图象处理 |x 最优化算法

• 690 __ |a TP751 |v 5

• 701 _0 |a 刘小波 |A liu xiao bo |4 著

• 701 _0 |a 蔡之华 |A cai zhi hua |4 著

• 701 _0 |a 蔡耀明 |A cai yao ming |4 著

• 801 _0 |a CN |b 湖北三新 |c 20211014

• 905 __ |a XATU |d TP751/47

• 920 __ |a 261060 |z 1

• 998 __ |a PUL