Détail de l'auteur
Auteur Penumetcha Narasa Lakshmi Raju |
Documents disponibles écrits par cet auteur (3)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesvol V-5-2020 - August 2020 - [Actes] XXIV ISPRS virtual Congress, Commission 5, 31th August-2nd September 2020, Nice, France (Bulletin de ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences) / Nicolas Paparoditis
est un bulletin de ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences / International society for photogrammetry and remote sensing (1980 -) (2012 - )
Titre : vol V-5-2020 - August 2020 - [Actes] XXIV ISPRS virtual Congress, Commission 5, 31th August-2nd September 2020, Nice, France Type de document : Périodique Auteurs : Nicolas Paparoditis Année de publication : 2020 Langues : Anglais (eng) Numéro de notice : sans Affiliation des auteurs : non IGN Nature : Numéro de périodique En ligne : https://www.isprs-ann-photogramm-remote-sens-spatial-inf-sci.net/V-5-2020/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=bulletin_display&id=32714 [n° ou bulletin]
Titre : XXIV ISPRS Congress, Commission 5 and Youth Forum Type de document : Actes de congrès Auteurs : Nicolas Paparoditis Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2020 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 43-B5-2020 Conférence : ISPRS 2020, Commission 5, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Archives Commission 5 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] lasergrammétrieNuméro de notice : 17629 Affiliation des auteurs : ENSG+Ext (2020- ) Thématique : IMAGERIE Nature : Actes nature-HAL : DirectOuvrColl/Actes DOI : sans Date de publication en ligne : 06/08/2020 En ligne : https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XLIII-B5-2020/in [...] Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97140 An effective ensemble classification framework using random forests and a correlation based feature selection technique / Dibyajyoti Chutia in Transactions in GIS, vol 21 n° 6 (December 2017)
Titre : An effective ensemble classification framework using random forests and a correlation based feature selection technique Type de document : Article/Communication Auteurs : Dibyajyoti Chutia, Auteur ; Dhruba Kumar Bhattacharyya, Auteur ; Jaganath Sarma, Auteur ; Penumetcha Narasa Lakshmi Raju, Auteur Année de publication : 2017 Article en page(s) : pp 1165 - 1178 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse comparative
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] corrélation à l'aide de traits caractéristiques
[Termes IGN] image Landsat-ETM+
[Termes IGN] image QuickbirdRésumé : (auteur) Accurate classification of heterogeneous land surfaces with homogeneous land cover classes is a challenging task as satellite images are characterized by a large number of features in the spectral and spatial domains. The identifying relevance of a feature or feature set is an important task for designing an effective classification scheme. Here, an ensemble of random forests (RF) classifiers is realized on the basis of relevance of features. Correlation‐based Feature Selection (CFS) was utilized to assess the relevance of a subset of features by studying the individual predictive ability of each feature along with the degree of redundancy between them. Predictability of RF was greatly improved by random selection of the relevant features in each of the splits. An investigation was carried out on different types of images from the Landsat Enhanced Thematic Mapper Plus (Landsat ETM+) and QuickBird sensors. It has been observed that the performance of the RF classifier was significantly improved while using the optimal set of relevant features compared with a few of the most advanced supervised classifiers such as maximum likelihood classifier (MLC), Navie Bayes, multi‐layer perception (MLP), support vector machine (SVM) and bagging. Numéro de notice : A2017-836 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12268 Date de publication en ligne : 27/04/2017 En ligne : https://doi.org/10.1111/tgis.12268 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89362
in Transactions in GIS > vol 21 n° 6 (December 2017) . - pp 1165 - 1178[article]
