2025年4月15日
星期二
|
欢迎来到滨州市图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
国家自然科学基金(61173092)
作品数:
1
被引量:14
H指数:1
相关作者:
滑文强
王爽
侯彪
更多>>
相关机构:
西安电子科技大学
更多>>
发文基金:
陕西省科学技术研究发展计划项目
国家自然科学基金
更多>>
相关领域:
电子电信
更多>>
相关作品
相关人物
相关机构
相关资助
相关领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
电子电信
主题
1篇
地物
1篇
地物分类
1篇
支持向量
1篇
支持向量机
1篇
图像
1篇
图像分类
1篇
图像分类方法
1篇
向量
1篇
向量机
1篇
类方
1篇
极化
1篇
极化SAR
1篇
半监督学习
1篇
SVM
机构
1篇
西安电子科技...
作者
1篇
侯彪
1篇
王爽
1篇
滑文强
传媒
1篇
雷达学报(中...
年份
1篇
2015
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于半监督学习的SVM-Wishart极化SAR图像分类方法
被引量:14
2015年
该文针对极化SAR(Synthetic Aperture Radar)图像分类中的小样本问题,提出了一种新的半监督分类算法。考虑到极化SAR数据反映了地物的散射特性,该方法首先利用目标分解方法提取了多种极化散射特征;其次,在协同训练框架下结合SVM分类器构建了协同半监督模型,该模型可以同时利用有标记和无标记样本对极化SAR图像进行分类,从而在小样本时可以获得更好的分类精度;最后,为进一步改善分类结果,在协同训练分类完成后,该方法又利用Wishart分类器对分类结果进行修正。理论分析与实验表明,该算法在只有少量标记样本的情况下优于传统算法。
滑文强
王爽
侯彪
关键词:
极化SAR
地物分类
半监督学习
支持向量机
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张