期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于置信学习互导框架的小样本条件下森林扰动类型遥感分类
1
作者
严燕
吴伶
+2 位作者
李军集
赵于鑫
叶昕
《空间科学学报》
北大核心
2025年第2期397-412,共16页
遥感技术作为地球系统和空间信息科学研究的核心手段,提高了人类对地球系统变化的理解,而开展地表重要组成部分——森林生态系统的扰动监测与分类研究可更精准高效.但受限于样本标注繁重和变化稀疏限制标注数量.本研究提出基于置信学习...
遥感技术作为地球系统和空间信息科学研究的核心手段,提高了人类对地球系统变化的理解,而开展地表重要组成部分——森林生态系统的扰动监测与分类研究可更精准高效.但受限于样本标注繁重和变化稀疏限制标注数量.本研究提出基于置信学习互导框架的小样本条件下森林扰动类型分类方法.利用2000-2021年Landsat数据与连续变化检测与分类(Continuous Change Detection and Classification,CCDC)算法检测森林扰动获得大量未标注数据,结合少量样本及基于随机森林(Random Forest,RF)和梯度提升(Categorical Boosting,CatBoost)分类器构建的互导框架,以迭代方式通过置信学习从未标注数据中筛选高置信度数据,扩充对方标注样本集,互相指导分类,进而提升分类精度.结果表明,该方法总体分类精度达91.4%,较单一分类器提升5%,在小样本条件下表现出优异性能,为森林扰动类型分类研究提供了高效、可靠的解决方案.
展开更多
关键词
小样本
置信学习
互导框架
森林扰动分类
在线阅读
下载PDF
职称材料
题名
基于置信学习互导框架的小样本条件下森林扰动类型遥感分类
1
作者
严燕
吴伶
李军集
赵于鑫
叶昕
机构
中国地质大学(北京)信息工程学院
广西壮族自治区林业科学研究院
中国农业大学信息与电气工程学院
出处
《空间科学学报》
北大核心
2025年第2期397-412,共16页
文摘
遥感技术作为地球系统和空间信息科学研究的核心手段,提高了人类对地球系统变化的理解,而开展地表重要组成部分——森林生态系统的扰动监测与分类研究可更精准高效.但受限于样本标注繁重和变化稀疏限制标注数量.本研究提出基于置信学习互导框架的小样本条件下森林扰动类型分类方法.利用2000-2021年Landsat数据与连续变化检测与分类(Continuous Change Detection and Classification,CCDC)算法检测森林扰动获得大量未标注数据,结合少量样本及基于随机森林(Random Forest,RF)和梯度提升(Categorical Boosting,CatBoost)分类器构建的互导框架,以迭代方式通过置信学习从未标注数据中筛选高置信度数据,扩充对方标注样本集,互相指导分类,进而提升分类精度.结果表明,该方法总体分类精度达91.4%,较单一分类器提升5%,在小样本条件下表现出优异性能,为森林扰动类型分类研究提供了高效、可靠的解决方案.
关键词
小样本
置信学习
互导框架
森林扰动分类
Keywords
Small sample
Confidence learning
Mutual guidance framework
Forest disturbance attribution
分类号
TP79 [自动化与计算机技术—检测技术与自动化装置]
P407 [天文地球—大气科学及气象学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于置信学习互导框架的小样本条件下森林扰动类型遥感分类
严燕
吴伶
李军集
赵于鑫
叶昕
《空间科学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
