Technology and Methodology | Views : 0 下载量: 212 CSCD: 8

  • Export

  • Share

  • Collection

  • Album

    • Optimized SVM based on artificial bee colony algorithm for remote sensing image classification

    • “在遥感分类领域，研究者提出了一种基于人工蜂群算法改进SVM参数的方法，通过模仿蜜蜂采蜜行为，优化SVM分类器参数，提高分类精度。实验结果表明，该方法在UCI数据集和遥感影像上的分类精度均优于其他人工智能算法优化的SVM算法。”
      ”
    • Vol. 22, Issue 4, Pages: 559-569(2018)   

      Published： 2018-7 ，

      Accepted： 20 November 2017

    • DOI： 10.11834/jrs.20187176     

    扫 描 看 全 文

  • Li N, Zhu X F, Pan Y Z and Zhan P. 2018. Optimized SVM based on artificial bee colony algorithm for remote sensing image classification. Journal of Remote Sensing, 22(4): 559–569 DOI： 10.11834/jrs.20187176.
  •  
  •  
Alert me when the article has been cited
提交

相关文章

相关作者

YU Long 中山大学 地理科学与规划学院
HE Lin 华南理工大学 自动化科学与工程学院
LI Yunfei 中山大学 地理科学与规划学院
LI Jun 中国地质大学(武汉) 计算机学院, 智能地质信息处理湖北省重点实验室
ZHANG Meng 中南林业科技大学 林业遥感信息工程研究中心;中南林业科技大学 林业遥感大数据与生态安全湖南省重点实验室;中南林业科技大学 南方森林资源经营与监测国家林业与草原局重点实验室
CHEN Shudan 中南林业科技大学 林业遥感信息工程研究中心;中南林业科技大学 林业遥感大数据与生态安全湖南省重点实验室;中南林业科技大学 南方森林资源经营与监测国家林业与草原局重点实验室
LIN Hui 中南林业科技大学 林业遥感信息工程研究中心;中南林业科技大学 林业遥感大数据与生态安全湖南省重点实验室;中南林业科技大学 南方森林资源经营与监测国家林业与草原局重点实验室
LIU Yang 中国林业科学研究院资源信息研究所

相关机构

School of Geography and Planning, Sun Yat-sen University
School of Automation Science and Engineering, South China University of Technology
Hubei Key Laboratory of Intelligent Geo-Information Processing, School of Computer Science, China University of Geosciences
Research Center of Forestry Remote Sensing & Information Engineering, Central South University of Forestry & Technology
Key Laboratory of Forestry Remote Sensing Based Big Data & Ecological Security for Hunan Province, Central South University of Forestry & Technology
0