It will be shipped from our warehouse between Monday, June 17 and Tuesday, June 18.
You will receive it anywhere in United States between 1 and 3 business days after shipment.
Klassifikatoren des maschinellen Lernens &Klassifikator-Beispiele (in German)
Taha, Lamyaa ; Ibrahim, Rania ; Mandouh, Asmaa
Synopsis "Klassifikatoren des maschinellen Lernens &Klassifikator-Beispiele (in German)"
Es gibt eine Reihe von Algorithmen des maschinellen Lernens (ML) zur Klassifizierung von Bodenbedeckung und Bodennutzung. In diesem Buch konzentrieren wir uns auf die relativ ausgereiften Methoden (sieben Methoden) Support-Vector-Maschinen (SVM), Entscheidungsbäume (DTs), künstliche neuronale Netze, k-nearest neighbours (k-NN), naive Bayes, Boosting und Random Forest (RF).Die genaue und zeitnahe Erfassung von Informationen zur Flächennutzung und Bodenbedeckung in Städten ist für viele Aspekte der Stadtentwicklung und des Umweltschutzes von entscheidender Bedeutung.Die genaue Klassifizierung der Bodenbedeckung ist eine Herausforderung. Die Verbesserung der Bodenbedeckungsklassifizierung ist ein aktuelles Thema. Sie wird für viele Anwendungen benötigt, z. B. für die Kartierung der Bodennutzung und -bedeckung, die Umweltüberwachung, die Bewirtschaftung natürlicher Ressourcen, die Stadtplanung und -verwaltung sowie die Erkennung von Veränderungen. Anschlie end wurde eine Reihe von Methoden untersucht, um verschiedene Klassifikatoren zu kombinieren.