研究进展 | 浏览量 : 0 下载量: 1235 CSCD: 2

  • 导出

  • 分享

  • 收藏

  • 专辑

    • 地理要素分类机器学习方法发展与前景

    • 暂无标题

    • “在地理要素分类领域，机器学习方法的演变促进了自然与人文要素智能分类应用的发展。”
    • 2023年27卷第8期 页码：1757-1768   

      收稿日期：2022-07-03，

      纸质出版日期：2023-08-07

    • DOI： 10.11834/jrs.20232299     

    移动端阅览

  • 王卷乐，李凯，严欣荣，郑莉，韩雪华.2023.地理要素分类机器学习方法发展与前景.遥感学报，27（8）： 1757-1768 DOI： 10.11834/jrs.20232299.
    Wang J L，Li K，Yan X R，Zheng L and Han X H. 2023. Development and prospects of machine learning methods in geographic elements classification. National Remote Sensing Bulletin， 27（8）：1757-1768 DOI： 10.11834/jrs.20232299.
  •  
  •  
文章被引用时，请邮件提醒。
提交

相关文章

相关作者

王卷乐 中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室;中国科学院大学;江苏省地理信息资源开发与利用协同创新中心
李凯 中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室;中国矿业大学(北京) 地球科学与测绘工程学院
严欣荣 中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室;中国科学院大学
郑莉 中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室;防灾科技学院
韩雪华 中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室;中国科学院大学
刘慧珍 澳门科技大学 月球与行星科学国家重点实验室
李大刚 澳门科技大学 月球与行星科学国家重点实验室;澳门科技大学 下一代互联网国际研究院
徐懿 澳门科技大学 月球与行星科学国家重点实验室

相关机构

中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室
中国矿业大学(北京) 地球科学与测绘工程学院
中国科学院大学
防灾科技学院
江苏省地理信息资源开发与利用协同创新中心
0