土地覆盖分类的机器学习算法的多种判据

土地覆盖分类的机器学习算法的多种判据

Contributor(s)
Initial contribute: 2018-12-04

Authorship

  • 《资源环境数学模型手册》
    • :  
    岳天祥编著
    :  
    yue@lreis.ac.cn
    :  
    View
    Is authorship not correct? Feed back

    Classification(s)

    ● Method-focused categoriesData-perspectiveGeoinformation analysis
    ● Method-focused categoriesData-perspectiveRemote sensing analysis
    ● Method-focused categoriesData-perspectiveIntelligent computation analysis

    Detailed Description

    Chinese {{currentDetailLanguage}} Chinese

    土地覆盖分类的机器学习算法的多种判据

    (1)   给定属于k个类型中某个类型的供训练的观测数据集合T,确定T中一个观测值的类型所需的信息量为:

    式中，等于T中属于类型的样本的数目; 是T中观测样本的总数目。

    给定测试方法X，在测试方法X中把T分为n个部分，应用X后的信息量为:

       

    (2)   应用X对T进行分割所得到的信息增益为:

     “增益判据”即选择gain(X)最大的测试方法，为了补偿分割类型数目大时具有的优势，引人下面的因子对gain(X)进行标准化:

       

    （3）分割量度：

      

    参考文献

    Fries R S D, Chan J C W:评价利用卫星数据进行土地覆盖分类的机器学习算法的多种判据。Remote Sensing of Environment 2000,74

    View Full Text

    模型元数据

    {{ModelMetaData.mp.modelName.modelName}} {{tag}} 系列名：{{ModelMetaData.mp.modelVersion.seriesName}} 编号：{{ModelMetaData.mp.modelVersion.numbering}} 目的：{{ item.label }} 修改内容：{{ModelMetaData.mp.modelVersion.changeContent}} {{tag}} {{ModelMetaData.mp.occupySpace}}

    The above is part of the information. You can click here to see full information.

    There is no Model Preparation about this model. You can click to add overview.

    点击 查看基本信息.

     {{tag}} {{tag}} {{ item.label }} {{tag}} {{tag}}

    The above is part of the information. You can click here to see full information.

    There is no Pre-integration Evaluation about this model. You can click to add overview.

    点击 查看设计理念.

     类型： {{ item.label }}

    {{ModelMetaData.mo.couplingMode}}

    There is no Model Orchestration about this model. You can click to add overview.

    点击 查看模型架构.

     {{tag}}

    There is no Data Interoperability about this model. You can click to add overview.

    点击 查看模型数据.

     {{ModelMetaData.mdt.runTime}}
    示例描述：{{item2.desc}} 名称： {{item2.name}} 类型： {{ item.label }} 值： {{item2.value}}
    {{ModelMetaData.mdt.instruction}}

    There is no Test about this model. You can click to add overview.

    点击 查看运行测试.

    {{htmlJSON.HowtoCite}}

    《资源环境数学模型手册》 (2018). 土地覆盖分类的机器学习算法的多种判据, Model Item, OpenGMS, https://geomodeling.njnu.edu.cn/modelItem/e92d5025-4f3b-4762-85f2-baadf787b01e
    {{htmlJSON.Copy}}

    History

    Last modifier: 
    Zhiyi Zhu
    Last modify time: 
    2020-12-24
    Modify times: 
    2  View History

    Contributor(s)
    Initial contribute : 2018-12-04

    {{htmlJSON.CoContributor}}

    Authorship

  • 《资源环境数学模型手册》
    • :  
    岳天祥编著
    :  
    yue@lreis.ac.cn
    :  
    View
    Is authorship not correct? Feed back

    History

    Last modifier: 
    Zhiyi Zhu
    Last modify time: 
    2020-12-24
    Modify times: 
    2  View History

    QR Code

    ×
  • {{curRelation.name}}
    {{curRelation.name}}
    {{curRelation.overview}}
    {{curRelation.author.join('; ')}}
    {{curRelation.journal}}





    {{htmlJSON.RelatedItems}}

    {{htmlJSON.LinkResourceFromRepositoryOrCreate}}{{htmlJSON.create}}.

    Drop the file here, orclick to upload.
    Select From My Space
    + add
    {{htmlJSON.Cancel}} {{htmlJSON.OK}}

    {{htmlJSON.authorshipSubmitted}}

    Use My Info Cancel Submit
    Cancel Submit     {{htmlJSON.Cancel}} {{htmlJSON.Submit}}
    {{htmlJSON.Localizations}} + {{htmlJSON.Add}}
    {{ item.label }} {{ item.value }}
    {{htmlJSON.ModelName}}:
    {{htmlJSON.Cancel}} {{htmlJSON.Submit}}     * 名称 别名 {{tag}} +
    系列名 * 版本号 * 目的 * 修改内容 * 创建/修改日期 * 作者
    * 摘要 详细描述
    {{tag}} + 添加关键字
    * 时间参考系
    * 空间参考系类型 * 空间参考系名称

    * 起始日期 终止日期 * 进展 * 开发者
    * 是否开源 * 访问方式 * 使用方式 * 开源协议 * 传输方式 * 获取地址 * 发布日期 * 发布者



    * 编号 * 目的 * 修改内容 * 创建/修改日期 * 作者




    * 时间分辨率 * 时间尺度 * 时间步长 * 时间范围 * 空间维度 * 格网类型 * 空间分辨率 * 空间尺度 * 空间范围
    {{tag}} +     * 类型
    图例

    * 名称 * 描述
    示例描述 * 名称 * 类型 * 值/链接 或 上传


    {{htmlJSON.Cancel}} {{htmlJSON.Submit}}
    Title Author Date Journal Volume(Issue) Pages Links Doi Operation
    {{htmlJSON.Cancel}} {{htmlJSON.Submit}}
    {{htmlJSON.EnterDoiClickSearch}}
    {{htmlJSON.Add}} {{htmlJSON.Cancel}}

    {{articleUploading.title}}

    Authors:  {{articleUploading.authors[0]}}, {{articleUploading.authors[1]}}, {{articleUploading.authors[2]}}, et al.

    Journal:   {{articleUploading.journal}}

    Date:   {{articleUploading.date}}

    Page range:   {{articleUploading.pageRange}}

    Link:   {{articleUploading.link}}

    DOI:   {{articleUploading.doi}}

    Yes, this is it Cancel

    The article {{articleUploading.title}} has been uploaded yet.

    OK     {{htmlJSON.Cancel}} {{htmlJSON.Confirm}}
    CULC9xg9MFuk