[1] |
段佩祥, 钱海忠, 何海威, 谢丽敏, 罗登瀚.
基于支持向量机的线化简方法
. 武汉大学学报 ● 信息科学版,
2020, 45(5): 744-752, 783.
doi: 10.13203/j.whugis20180434
|
[2] |
祝胜男, 郭炜炜, 柳彬, 张增辉, 郁文贤.
利用超像素级上下文特征进行靠岸集装箱船检测
. 武汉大学学报 ● 信息科学版,
2019, 44(4): 578-585.
doi: 10.13203/j.whugis20170129
|
[3] |
李粉玲, 常庆瑞, 刘佳岐, 刘京.
基于多纹理和支持向量机的ZY-102C星HR数据分类
. 武汉大学学报 ● 信息科学版,
2016, 41(4): 455-461,486.
doi: 10.13203/j.whugis20140356
|
[4] |
李晓杰, 郭 睿, 黄 金, 朱陵凤, 谭红力, 董恩强.
神经网络在北斗导航卫星轨道预报中的应用
. 武汉大学学报 ● 信息科学版,
2015, 40(9): 1253-1258.
doi: 10.13203/j .whu g is20130603
|
[5] |
高为广, 陈谷仓.
结合自适应滤波和神经网络的GNSS/INS抗差组合导航算法
. 武汉大学学报 ● 信息科学版,
2014, 39(11): 1323-1328.
|
[6] |
武雪玲, 任福, 牛瑞卿, 彭令.
斜坡单元支持下的滑坡易发性评价支持向量机模型
. 武汉大学学报 ● 信息科学版,
2013, 38(12): 1499-1503.
|
[7] |
巫兆聪, 欧阳群东, 胡忠文.
应用分水岭变换与支持向量机的极化SAR图像分类
. 武汉大学学报 ● 信息科学版,
2012, 37(1): 7-10.
|
[8] |
林雪原, 鞠建波.
利用神经网络预测的GPS/SINS组合导航系统算法研究
. 武汉大学学报 ● 信息科学版,
2011, 36(5): 601-604.
|
[9] |
杨柳, 刘艳芳.
将微粒群和支持向量机用于耕地驱动因子选择的研究
. 武汉大学学报 ● 信息科学版,
2010, 35(2): 248-251.
|
[10] |
王志军, 顾冲时, 张治军.
GIS支持下基于遗传优化神经网络的溃坝生命损失评估
. 武汉大学学报 ● 信息科学版,
2010, 35(1): 64-68.
|
[11] |
高为广, 杨元喜, 张婷.
一种提高神经网络泛化能力的自适应UKF滤波算法
. 武汉大学学报 ● 信息科学版,
2008, 33(5): 500-503.
|
[12] |
余亮, 边馥苓.
粗糙神经网络在森林火灾预警中的应用
. 武汉大学学报 ● 信息科学版,
2006, 31(8): 720-723.
|
[13] |
陈刚, 鄂栋臣.
基于纹理分析和支持向量机的极地冰雪覆盖区的云层检测
. 武汉大学学报 ● 信息科学版,
2006, 31(5): 403-406.
|
[14] |
徐芳, 梅文胜, 燕琴.
支持向量机中遗传模糊C-均值的样本预选取方法
. 武汉大学学报 ● 信息科学版,
2005, 30(10): 921-924.
|
[15] |
哈斯巴干, 马建文, 李启青, 戴芹.
多波段遥感数据的自组织神经网络降维分类研究
. 武汉大学学报 ● 信息科学版,
2004, 29(5): 461-465.
doi: 10.13203/j.whugis2004.05.019
|
[16] |
梅建新, 段汕, 秦前清.
基于支持向量机的特定目标检测方法
. 武汉大学学报 ● 信息科学版,
2004, 29(10): 912-915,932.
|
[17] |
徐芳, 燕琴.
基于支持向量机的航空影像纹理分类研究
. 武汉大学学报 ● 信息科学版,
2003, 28(5): 517-520.
|
[18] |
梁益同, 胡江林.
NOAA卫星图像神经网络分类方法的探讨
. 武汉大学学报 ● 信息科学版,
2000, 25(2): 148-152.
|
[19] |
黄文骞.
利用一种新的神经网络模型识别点状地图符号
. 武汉大学学报 ● 信息科学版,
1996, 21(1): 46-49.
|
[20] |
刘少创, 林宗坚.
基于神经网络的地图数字注记识别
. 武汉大学学报 ● 信息科学版,
1994, 19(3): 194-198.
|