29,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Esistono numerosi algoritmi di apprendimento automatico (ML) per classificare la copertura e l'uso del suolo. In questo libro ci concentriamo sui metodi relativamente maturi (sette metodi): macchine a vettore di supporto (SVM), alberi decisionali (DT), reti neurali artificiali, k-nearest neighbours (k-NN), naïve Bayes, Boosting e Random forest (RF).La raccolta accurata e tempestiva di informazioni sull'uso e la copertura del suolo urbano è fondamentale per molti aspetti dello sviluppo urbano e della protezione dell'ambiente.La classificazione accurata delle coperture del suolo rappresenta una…mehr

Produktbeschreibung
Esistono numerosi algoritmi di apprendimento automatico (ML) per classificare la copertura e l'uso del suolo. In questo libro ci concentriamo sui metodi relativamente maturi (sette metodi): macchine a vettore di supporto (SVM), alberi decisionali (DT), reti neurali artificiali, k-nearest neighbours (k-NN), naïve Bayes, Boosting e Random forest (RF).La raccolta accurata e tempestiva di informazioni sull'uso e la copertura del suolo urbano è fondamentale per molti aspetti dello sviluppo urbano e della protezione dell'ambiente.La classificazione accurata delle coperture del suolo rappresenta una sfida. Il miglioramento della classificazione della copertura del suolo è un tema molto sentito. È necessario per molte applicazioni come la mappatura dell'uso del suolo, il monitoraggio ambientale, la gestione delle risorse naturali, la pianificazione urbana, la gestione e il rilevamento dei cambiamenti. Sono stati studiati diversi metodi di ensample per combinare vari classificatori.
Autorenporträt
Dr. Eng. Lamyaa Gamal Eldeen Taha Pofessor in surveying and photogrammetry Head of the Aviation and aerial photography division- National Authority for Remote Sensing and Space scienceDr. Rania E. Ibrahim Head of scientific publication department-National Authority for Remote Sensing and Space scienceEng.Asmaa A.Mandouh NARSS.