[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] |
陈涛, 钟子颖, 牛瑞卿, 刘桐, 陈胜云.
利用深度信念网络进行滑坡易发性评价
. 武汉大学学报 ● 信息科学版,
2020, 45(11): 1809-1817.
doi: 10.13203/j.whugis20190144
|
[3] |
徐胜华, 刘纪平, 王想红, 张玉, 林荣福, 张蒙, 刘猛猛, 姜涛.
熵指数融入支持向量机的滑坡灾害易发性评价方法—以陕西省为例
. 武汉大学学报 ● 信息科学版,
2020, 45(8): 1214-1222.
doi: 10.13203/j.whugis20200109
|
[4] |
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
|
[5] |
刘坚, 李树林, 陈涛.
基于优化随机森林模型的滑坡易发性评价
. 武汉大学学报 ● 信息科学版,
2018, 43(7): 1085-1091.
doi: 10.13203/j.whugis20160515
|
[6] |
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
|
[7] |
黄声享, 罗力.
三峡库区滑坡监测基准的稳定性分析及结果
. 武汉大学学报 ● 信息科学版,
2014, 39(3): 367-372.
doi: 10.13203/j.whugis20120019
|
[8] |
彭令, 牛瑞卿, 赵艳南, 邓清禄.
基于核主成分分析和粒子群优化支持向量机的滑坡位移预测
. 武汉大学学报 ● 信息科学版,
2013, 38(2): 148-152,161.
|
[9] |
武雪玲, 任福, 牛瑞卿.
多源数据支持下的三峡库区滑坡灾害空间智能预测
. 武汉大学学报 ● 信息科学版,
2013, 38(8): 963-968.
|
[10] |
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.
|
[11] |
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.
|
[12] |
王尚庆, 徐进军, 罗勉.
三峡库区白水河滑坡险情预警方法研究
. 武汉大学学报 ● 信息科学版,
2009, 34(10): 1218-1221.
|
[13] |
熊华, 刘耀林, 车珊珊, 张俊峰.
基于支持向量机的土地利用变化模拟模型
. 武汉大学学报 ● 信息科学版,
2009, 34(3): 366-369.
|
[14] |
范千, 花向红.
基于相空间重构与支持向量机预测滑坡位移的一种新方法
. 武汉大学学报 ● 信息科学版,
2009, 34(2): 248-251.
|
[15] |
王新洲, 范千, 许承权, 李昭.
基于小波变换和支持向量机的大坝变形预测
. 武汉大学学报 ● 信息科学版,
2008, 33(5): 469-471.
|
[16] |
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.
|
[17] |
吴涛, 颜辉武, 唐桂刚.
三峡库区水质数据时间序列分析预测研究
. 武汉大学学报 ● 信息科学版,
2006, 31(6): 500-502.
|
[18] |
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.
|
[19] |
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.
|
[20] |
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.
|