排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
为了探究不同估产模型对冬小麦估产的精度和适用性,提高像元级和地块级冬小麦估产精度。利用机器学习方法支持向量机（SVM）模型、随机森林（RF）模型和深度学习方法长短期记忆（LSTM）模型,对冬小麦进行产量预估。结果表明：在像元级上,LSTM模型、RF模型估产精度高于SVM模型,LSTM模型不仅能够表征作物在生育期的生长变化,还能降低人为因素干扰,估产结果更加客观真实,而SVM模型、RF模型易受到特征共线性和过拟合的影响,因此SVM模型、RF模型更适用于区域性小范围估产。在地块级上,SVM模型、RF模型和LSTM模型地块级估产精度比像元级估产精度均有提高,且LSTM模型估产精度明显高于SVM模型和RF模型,因此LSTM模型更适用于地块级估产,且LSTM模型泛化能力强、普适性高,适用于大范围农作物估产。 相似文献
2.
倾斜摄影实景模型悬空地物处理方法 总被引：1，自引：1，他引：0
为更好解决传统倾斜摄影实景模型悬空地物处理过程中对三维采编环境的过度依赖,本文提出了一种基于倾斜摄影三角网络分析的实景模型悬空地物处理技术方法。该技术方法将三维三角网进行降维处理,通过分析降维后二维三角网节点上边线的辐射特性,快速定位地物边缘点,同时结合聚类分析算法、最小凸边提取等技术方式,实现对悬空地物边界的快速定位、消除。试验选取植被这类悬空地物作为研究对象,验证了文中的技术方法对倾斜摄影实景模型悬空地物处理具有较好的适用性,能极大降低倾斜摄影实景模型数据处理中对三维环境的要求,降低数据处理的难度。 相似文献
3.
4.
1