技术方法 | 浏览量 : 0 下载量: 416 CSCD: 0

  • 导出

  • 分享

  • 收藏

  • 专辑

    • 集成学习遥感应用：进展与展望

    • Ensemble learning in remote sensing applications： Progress and prospects

    • “在遥感领域，集成学习通过多学习器组合提升决策性能，专家总结了其在目标识别、地表分类等研究进展，为遥感数据向地学知识转化提供新方向。”
    • 2025年29卷第6期 页码：1614-1635   

      收稿日期：2024-09-10，

      纸质出版日期：2025-06-07

    • DOI： 10.11834/jrs.20254398     

    移动端阅览

  • 杜培军，慕号伟，郭山川，陈宇，张鑫港，唐鹏飞.2025.集成学习遥感应用：进展与展望.遥感学报，29（6）： 1614-1635 DOI： 10.11834/jrs.20254398.
    Du P J，Mu H W，Guo S C，Chen Y，Zhang X G and Tang P F. 2025. Ensemble learning in remote sensing applications： Progress and prospects. National Remote Sensing Bulletin， 29（6）：1614-1635 DOI： 10.11834/jrs.20254398.
  •  
  •  
文章被引用时，请邮件提醒。
提交

相关文章

相关作者

杜培军 南京大学 地理与海洋科学学院;自然资源部国土卫星遥感应用重点实验室;江苏省地理信息资源开发与利用协同创新中心
张鑫港 南京大学 地理与海洋科学学院;自然资源部国土卫星遥感应用重点实验室;江苏省地理信息资源开发与利用协同创新中心
龙颖 中国地震局地震预测研究所
窦爱霞 中国地震局地震预测研究所
王斐斐 河南省地震局
王书民 中国地震局地震预测研究所
马勤 南京师范大学 地理科学学院;南京师范大学 虚拟地理环境教育部重点实验室;江苏省地理信息资源开发与利用协同创新中心
张旭 南京师范大学 地理科学学院

相关机构

中国地震局地震预测研究所
河南省地震局
南京师范大学 地理科学学院
南京师范大学 虚拟地理环境教育部重点实验室
江苏省地理信息资源开发与利用协同创新中心
0