TY -的A2 Bhattacharya丝薇AU - Janarthanan, s . AU - Ganesh Kumar t . AU - Janakiraman, s . AU - Dhanaraj拉杰什·库马尔AU -沙阿,穆罕默德阿西夫PY - 2022 DA - 2022/10/08 TI -一个高效的多光谱图像分类和优化使用遥感数据SP - 2004716六世- 2022 AB -需要大量的努力和成本为遥感影像分类收集训练样本。遥感的研究和如何阅读多光谱图像变得更加重要。高维多光谱图像是由不同的乐队,展示材料的行为。需要更多的事物和信息传感器分辨率的提高导致的多光谱数据与更高的大小。近年来,它已经表明,高维度的这些数据很难进行预处理以多种方式。最近的研究表明,解决这个问题最重要的方法之一是通过采用不同的学习策略。但随着数据变得更加复杂,这些方法并不足够的支持。该方法表明,使用遥感图像分类实验表明不同的深度学习模型的最大似然分类器;权向量(西弗吉尼亚州)演算法和亚当可以大大限制过度拟合,获得较高的分类精度。提出VGG16和初始v3提高分类精度优化过程产生96.08%。 SN - 1687-725X UR - https://doi.org/10.1155/2022/2004716 DO - 10.1155/2022/2004716 JF - Journal of Sensors PB - Hindawi KW - ER -