دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Ni-Bin Chang. Kaixu Bai
سری:
ISBN (شابک) : 1498774334, 9781498774338
ناشر: CRC Press
سال نشر: 2018
تعداد صفحات: 529
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 63 مگابایت
کلمات کلیدی مربوط به کتاب ترکیب داده های چندحسگر و یادگیری ماشین برای سنجش از راه دور محیطی: سیستم های تصویربرداری، مدل سازی کامپیوتر، مهندسی، مهندسی و حمل و نقل، سنجش از دور و GIS، مدل سازی کامپیوتر، مهندسی، مهندسی و حمل و نقل، برق و الکترونیک، مدارها، طراحی دیجیتال، ماشین آلات و موتورهای الکتریکی، الکترونیک، فیبر نوری، شبکه های نوری، ,مهندسی و حمل و نقل,علوم محیطی,علوم زمین,علوم و ریاضی,سیستم های اطلاعاتی,جغرافیا,علوم زمین,علوم و ریاضی,مطالعات محیطی,علوم و ریاضیات,جدید,کاربردی و رنتتا
در صورت تبدیل فایل کتاب Multisensor Data Fusion and Machine Learning for Environmental Remote Sensing به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ترکیب داده های چندحسگر و یادگیری ماشین برای سنجش از راه دور محیطی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
ترکیب مجموعه داده های همه کاره از چندین سنسور ماهواره ای با بازیابی اطلاعات موضوعی پیشرفته راهی قدرتمند برای مطالعه سیستم های پیچیده زمین است. کتاب ترکیب دادههای چندحسگر و یادگیری ماشین برای سنجش از راه دور محیطی درک کاملی از اصول اولیه علمی مورد نیاز برای انجام پردازش تصویر، پر کردن شکاف، ادغام دادهها، ترکیب دادهها، یادگیری ماشینی و استخراج ویژگی ارائه میدهد. این کتاب که توسط دو متخصص سنجش از دور نوشته شده است، مفاهیم اولیه، ابزارها، الگوریتمها، پلتفرمها و قطبهای فناوری را برای یکپارچگی پیشرفته ارائه میکند. با ادغام و ترکیب مجموعه دادههای جمعآوریشده از سنسورهای ماهوارهای مختلف با ویژگیهای مشترک، ما میتوانیم از قدرت هر سنسور ماهوارهای به حداکثر استفاده کنیم. گنجاندن تکنیکهای یادگیری ماشین یا دادهکاوی برای کمک به استخراج ویژگی پس از پر کردن شکاف، ادغام دادهها و/یا ادغام دادهها، رصد زمین را بیشتر تقویت میکند و منجر به تأیید بیشتر بودن کل از مجموع اجزای آن میشود. کاربردهای معاصری که در این کتاب مورد بحث قرار میگیرند، تمام دانش ضروری را بهطور یکپارچه با شیوهای بینرشتهای ادغام میکنند. این شیوههای مهندسی مبتنی بر مورد بهطور منحصربهفردی نشان میدهند که چگونه میتوان چنین زمینه نوظهوری از اهمیت را برای مقابله با چالشبرانگیزترین مسائل پایش محیطی در دنیای واقعی بهبود بخشید.
Combining versatile data sets from multiple satellite sensors with advanced thematic information retrieval is a powerful way for studying complex earth systems. The book Multisensor Data Fusion and Machine Learning for Environmental Remote Sensing offers complete understanding of the basic scientific principles needed to perform image processing, gap filling, data merging, data fusion, machine learning, and feature extraction. Written by two experts in remote sensing, the book presents the required basic concepts, tools, algorithms, platforms, and technology hubs toward advanced integration. By merging and fusing data sets collected from different satellite sensors with common features, we are enabled to utilize the strength of each satellite sensor to the maximum extent. The inclusion of machine learning or data mining techniques to aid in feature extraction after gap filling, data merging and/or data fusion further empowers earth observation, leading to confirm the whole is greater than the sum of its parts. Contemporary applications discussed in this book make all essential knowledge seamlessly integrated by an interdisciplinary manner. These case-based engineering practices uniquely illustrate how to improve such an emerging field of importance to cope with the most challenging real-world environmental monitoring issues.