Találati lista | Tudóstér

001-es BibID:	BIBFORM111480
Első szerző:	Abriha Dávid (geográfus)
Cím:	Random Forest osztályozó algoritmus pontosságának vizsgálata tetőfedő anyagok azonosításában multispektrális adatokkal / Abriha Dávid; Banka Fruzsina; Szabó Szilárd
Dátum:	2019
Megjegyzések:	Remote sensing applications are becoming more and more popular in everday life. To conduct and interpret supervised image classification it is required to carefully select training and validation data. Our aim was to investigate how the spatial autocorrelation in the collected data affects the accuracy of a machine learning algorithm. We performed Random Forest classification on WorldView-2 imagery. We applied pan-sharpening and a mask containing only the buildings to the image. Our results showed that the effects of the spatial autocorrelation can be terminated using roof-based segmentation. Furthermore, this study emphasizes the need to consider conducting hyperparameter optimization for Random Forest. After tuning the chosen parameters the overall accuracy was 94 per cent.
ISBN:	978-963-318-054-9
Tárgyszavak:	Természettudományok Földtudományok előadáskivonat könyvrészlet
Megjelenés:	Az elmélet és a gyakorlat találkozása a térinformatikában X.: Theory meets practice in GIS / szerk. Molnár Vanda Éva. - p. 19-24. -
További szerzők:	Banka Fruzsina Szabó Szilárd (1974-) (geográfus)
Pályázati támogatás:	ÚNKP-18-2 Egyéb TNN 123457 Egyéb EFOP-3.6.1-16-2016-00022 EFOP
Internet cím:	Szerző által megadott URL Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Saját polcon: