...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Robust support vector regression for biophysical variable estimation from remotely sensed images
【24h】

Robust support vector regression for biophysical variable estimation from remotely sensed images

机译：支持向量回归的稳健支持，可用于遥感图像的生物物理变量估计

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This letter introduces the /spl epsiv/-Huber loss function in the support vector regression (SVR) formulation for the estimation of biophysical parameters extracted from remotely sensed data. This cost function can handle the different types of noise contained in the dataset. The method is successfully compared to other cost functions in the SVR framework, neural networks and classical bio-optical models for the particular case of the estimation of ocean chlorophyll concentration from satellite remote sensing data. The proposed model provides more accurate, less biased, and improved robust estimation results on the considered case study, especially significant when few in situ measurements are available.
机译：这封信在支持向量回归（SVR）公式中介绍了/ spl epsiv / -Huber损失函数，用于估算从遥感数据中提取的生物物理参数。该成本函数可以处理数据集中包含的不同类型的噪声。该方法已成功与SVR框架，神经网络和经典生物光学模型中的其他成本函数进行了比较，以用于根据卫星遥感数据估算海洋叶绿素浓度的特殊情况。在所考虑的案例研究中，提出的模型提供了更准确，偏差更少和改进的鲁棒估计结果，尤其是在很少有现场测量可用的情况下，这一点尤其重要。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号