期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
最小二乘支持向量机用于时间序列叶面积指数预测
被引量:
6
1
作者
梁栋
谢巧云
+4 位作者
黄文江
彭代亮
杨晓华
黄林生
胡勇
《红外与激光工程》
EI
CSCD
北大核心
2014年第1期243-248,共6页
遥感反演的叶面积指数(LAI)时间序列被广泛应用于气候模拟、作物长势监测等研究。但遥感数据受天气等因素影响,时间序列的LAI数据存在缺失。支持向量机(SVM)是一种有效的数据分类和回归预测工具,而最小二乘支持向量机(LS-SVM)是对SVM的...
遥感反演的叶面积指数(LAI)时间序列被广泛应用于气候模拟、作物长势监测等研究。但遥感数据受天气等因素影响,时间序列的LAI数据存在缺失。支持向量机(SVM)是一种有效的数据分类和回归预测工具,而最小二乘支持向量机(LS-SVM)是对SVM的有效改进。以西藏那曲县为例,使用2003-2011年MODIS LAI产品,分别用LS-SVM和SVM两种方法对研究区域2011年LAI时间序列进行预测,并用MODIS原始LAI以及部分地面实验样点值进行验证。结果表明,基于LS-SVM的LAI时间序列预测算法的精度比基于SVM的算法高,从而证明LS-SVM方法能够弥补遥感反演时间序列LAI数据的缺失问题,对提高时间序列的LAI遥感产品质量具有重要意义。
展开更多
关键词
最小二乘支持向量机(LS-SVM)
支持向量机(SVM)
叶面积指数
时间序列
MODIS
下载PDF
职称材料
题名
最小二乘支持向量机用于时间序列叶面积指数预测
被引量:
6
1
作者
梁栋
谢巧云
黄文江
彭代亮
杨晓华
黄林生
胡勇
机构
安徽大学计算机智能与信号处理教育部
重点
实验室
安徽大学电子信息工程
学院
中国科学院遥感与数字地球研究所数字地球重点实验室遥感科学国家重点实验室
气象水文空间天气总站
出处
《红外与激光工程》
EI
CSCD
北大核心
2014年第1期243-248,共6页
基金
国家自然科学基金(61172127
41201354)
+1 种基金
国家863项目(2012AA12A307)
高等学校博士学科点科研基金(20113401110006)
文摘
遥感反演的叶面积指数(LAI)时间序列被广泛应用于气候模拟、作物长势监测等研究。但遥感数据受天气等因素影响,时间序列的LAI数据存在缺失。支持向量机(SVM)是一种有效的数据分类和回归预测工具,而最小二乘支持向量机(LS-SVM)是对SVM的有效改进。以西藏那曲县为例,使用2003-2011年MODIS LAI产品,分别用LS-SVM和SVM两种方法对研究区域2011年LAI时间序列进行预测,并用MODIS原始LAI以及部分地面实验样点值进行验证。结果表明,基于LS-SVM的LAI时间序列预测算法的精度比基于SVM的算法高,从而证明LS-SVM方法能够弥补遥感反演时间序列LAI数据的缺失问题,对提高时间序列的LAI遥感产品质量具有重要意义。
关键词
最小二乘支持向量机(LS-SVM)
支持向量机(SVM)
叶面积指数
时间序列
MODIS
Keywords
least squares support vector machine(LS-SVM)
support vector machine(SVM)
leaf area index(LAI)
time series
MODIS
分类号
TP79 [自动化与计算机技术—检测技术与自动化装置]
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
最小二乘支持向量机用于时间序列叶面积指数预测
梁栋
谢巧云
黄文江
彭代亮
杨晓华
黄林生
胡勇
《红外与激光工程》
EI
CSCD
北大核心
2014
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部