나는 소프트웨어는 기계 학습 알고리즘 (예 : K-NN, 임의의 숲, 의사 결정 트리 등) 나는 알고 있는데 사용 토지의 분류에 존재하는 어떤 학습에 관심이 랜덤 포레스트 R과의 패키지 우유 와 스파이 파이썬을. 토지 표지 분류에 적합한 오픈 소스 또는 상용 기계 학습 알고리즘은 무엇입니까?
다음은 이전 게시물에 대한 후속 조치 입니다. 토지 표지 분류를위한 기계 학습 알고리즘 . RF ( Random Forest ) 분류 방법은 원격 감지 세계에서 많은 추진력을 얻고 있는 것으로 보입니다 . 나는 RF의 많은 장점으로 인해 RF에 특히 관심이 있습니다. 원격 감지 데이터에 적합한 비모수 적 접근 높은 분류 정확도 …
나는 빙하 지역을 눈 (있는 경우)과 얼음의 범주로 분류하고 싶지만 가장 중요한 것은 오래된 얼음과 신선한 얼음 사이입니다. 현장에서 인식 할 수있는 다른 속성이 있지만 위성 데이터로이를 수행 할 수 있습니까? (바람직하게는 30 / 15m의 공간 해상도 때문에 Landsat)
brovey 변환 및 가장 가까운 이웃 기술과 함께 해상도 병합 리소스를 사용하여 ERDAS에서 하나의 Landsat Image를 선명하게 만들었습니다. 그러나 토지 사용 분류 측면에서는 팬 샤프닝으로 인해 잘못된 픽셀이 생성되어 오류가 발생하기 때문에 실수가 될 것이라고 들었습니다. 그게 사실입니까?
저는 GIS를 처음 사용합니다. 이 분야에서 머신 러닝이 많이 사용되고 있습니까? 교통 인식 작업을하는지도 회사와 구직 기회를 조사하고 있습니다. 저의 배경은 감독 된 기계 학습 (텍스트 분류)과 일부 Hadoop 사용에 있으며 제 기술이 적절할 것입니다. 한동안 GPS와 GIS에 관심이 있었지만 머신 러닝 기술 (MS 학위를 포함하여 많이 투자 한)이 잘 …