[1] |
刘利敏, 余洁, 李小娟, 李平湘, 杨杰.
引入商空间粒度计算的全极化SAR影像分类
. 武汉大学学报 ( 信息科学版),
2018, 43(1): 74-80.
doi: 10.13203/j.whugis20150324
|
[2] |
韩波, 李衡, 王志波, 崔晓晖.
气溶胶光学厚度估测中的LASSO特征选择方法
. 武汉大学学报 ( 信息科学版),
2018, 43(4): 536-541.
doi: 10.13203/j.whugis20160014
|
[3] |
佃袁勇, 杨光, 方圣辉.
傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类
. 武汉大学学报 ( 信息科学版),
2017, 42(3): 362-368.
doi: 10.13203/j.whugis20140952
|
[4] |
殷亚秋, 李家国, 余涛, 鞠颂, 米晓飞, 侯海倩.
结合正则化最小二乘进行高空间分辨率四波段相机云识别
. 武汉大学学报 ( 信息科学版),
2016, 41(2): 190-195.
doi: 10.13203/j.whugis20140208
|
[5] |
王云艳, 何 楚, 涂 峰, 陈 东, 廖明生.
特征选择双层svm的融合算法用于极化sar图像分类
. 武汉大学学报 ( 信息科学版),
2015, 40(9): 1157-1162.
doi: 10.13203/j .whu g is20140351
|
[6] |
詹总谦, 来冰华, 万杰, 李楼.
一种利用纹理特征和朴素贝叶斯分类器检测近景影像植被的方法
. 武汉大学学报 ( 信息科学版),
2013, 38(6): 665-668.
|
[7] |
李雪, 舒宁, 李井冈, 刘小利.
基于特征贡献选择的遥感影像变化检测方法研究
. 武汉大学学报 ( 信息科学版),
2013, 38(10): 1158-1162.
|
[8] |
周家香, 朱建军, 梅小明, 马慧云.
多维特征自适应MeanShift遥感图像分割方法
. 武汉大学学报 ( 信息科学版),
2012, 37(4): 419-422.
|
[9] |
余晓敏, 湛飞并, 廖明生, 胡金星.
利用改进SEaTH算法的面向对象分类特征选择方法
. 武汉大学学报 ( 信息科学版),
2012, 37(8): 921-924.
|
[10] |
刘梦玲, 陈嘉宇, 孙洪.
Joint Boost特征选择的SAR信息可视化技术研究
. 武汉大学学报 ( 信息科学版),
2012, 37(10): 1240-1243.
|
[11] |
何楚, 刘明, 许连玉, 刘龙珠.
利用特征选择自适应决策树的层次SAR图像分类
. 武汉大学学报 ( 信息科学版),
2012, 37(1): 46-49.
|
[12] |
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.
|
[13] |
魏小莉, 沈未名.
一种基于马尔科夫随机场模型的彩色纹理图像分割
. 武汉大学学报 ( 信息科学版),
2010, 35(8): 955-958.
|
[14] |
张睿, 马建文.
一种SVM-RFE高光谱数据特征选择算法
. 武汉大学学报 ( 信息科学版),
2009, 34(7): 834-837.
|
[15] |
李利伟, 马建文, 温奇.
双模态脉冲耦合神经网络高分辨率光学卫星影像分割
. 武汉大学学报 ( 信息科学版),
2008, 33(3): 322-325.
|
[16] |
叶志伟, 郑肇葆, 万幼川, 虞欣.
基于蚁群优化的特征选择新方法
. 武汉大学学报 ( 信息科学版),
2007, 32(12): 1127-1130.
|
[17] |
金淑英, 李德仁, 龚健雅.
基于偏最小二乘回归的纹理特征线性组合
. 武汉大学学报 ( 信息科学版),
2006, 31(5): 399-402.
|
[18] |
黄昕, 张良培, 邵振锋, 李平湘.
基于独立分量分析的纹理特征维数减少
. 武汉大学学报 ( 信息科学版),
2006, 31(12): 1055-1058.
|
[19] |
林宗坚, 宣文玲, 王艳.
高分辨率影像定位的一种新方法
. 武汉大学学报 ( 信息科学版),
2004, 29(4): 363-366.
|
[20] |
黄桂兰, 郑肇葆.
空间灰度相关在影像纹理分类中的应用及分析
. 武汉大学学报 ( 信息科学版),
1995, 20(4): 301-304.
|