模型与方法 | 浏览量 : 0 下载量: 630 CSCD: 0
  • 导出

  • 分享

  • 收藏

  • 专辑

    • 整合集成预测约束与错误预测熵最大化的MLS点云分类方法

    • Integrating ensemble prediction constraints and error prediction entropy maximization for MLS point cloud classification

    • 在移动激光扫描点云分类领域,研究者提出了一种新深度学习方法,通过增强点云特征表达和提高模型泛化能力,有效提升了分类性能。
    • 2025年29卷第1期 页码:329-340   

      收稿日期:2023-05-25

      纸质出版日期:2025-01-07

    • DOI: 10.11834/jrs.20233174     

    移动端阅览

  • 雷相达,管海燕,董震.2025.整合集成预测约束与错误预测熵最大化的MLS点云分类方法.遥感学报,29(1): 329-340 DOI: 10.11834/jrs.20233174.
    Lei X D,Guan H Y and Dong Z. 2025. Integrating ensemble prediction constraints and error prediction entropy maximization for MLS point cloud classification. National Remote Sensing Bulletin, 29(1):329-340 DOI: 10.11834/jrs.20233174.
  •  
  •  
文章被引用时,请邮件提醒。
提交

相关作者

董震 武汉大学 测绘遥感信息工程国家重点实验室
邵攀 三峡大学 湖北省水电工程智能视觉监测重点实验室;三峡大学 计算机与信息学院
高梓昂 三峡大学 湖北省水电工程智能视觉监测重点实验室;三峡大学 计算机与信息学院
方婷婷 中国科学技术大学 网络空间安全学院;中国科学院电磁空间信息重点实验室
刘斌 中国科学技术大学 网络空间安全学院;中国科学院电磁空间信息重点实验室
陈春晖 安徽省基础测绘信息中心;自然资源部江淮耕地资源保护与生态修复重点实验室
厉香蕴 安徽省基础测绘信息中心;自然资源部江淮耕地资源保护与生态修复重点实验室
张智昊 同济大学 测绘与地理信息学院

相关机构

三峡大学 湖北省水电工程智能视觉监测重点实验室
三峡大学 计算机与信息学院
中国科学技术大学 网络空间安全学院
中国科学院电磁空间信息重点实验室
安徽省基础测绘信息中心
0