...
机译:天真的过拟合指数选择(NOIS):一种优化高光谱数据模型复杂度的新方法
Univ Twente, Fac Geoinformat Sci & Earth Observat ITC, Hengelosestr 99,POB 217, NL-7500 AE Enschede, Netherlands;
Univ Twente, Fac Geoinformat Sci & Earth Observat ITC, Hengelosestr 99,POB 217, NL-7500 AE Enschede, Netherlands;
Univ Twente, Fac Geoinformat Sci & Earth Observat ITC, Hengelosestr 99,POB 217, NL-7500 AE Enschede, Netherlands|Macquarie Univ, Dept Environm Sci, Sydney, NSW 2106, Australia;
Univ Twente, Fac Geoinformat Sci & Earth Observat ITC, Hengelosestr 99,POB 217, NL-7500 AE Enschede, Netherlands;
Univ Twente, Fac Geoinformat Sci & Earth Observat ITC, Hengelosestr 99,POB 217, NL-7500 AE Enschede, Netherlands;
Remote sensing; Model tuning; Cross-validation; Prediction accuracy; Dimensionality; Multicollinearity;
机译:通过数据驱动的变量选择对并发症进行多变量建模:防止数据集大小过拟合和影响
机译:可见近红外高光谱成像数据分类模型开发中光谱选择方法的比较
机译:通过过度采样来克服过度拟合:探索数据集组成,分子描述符和预测建模方法之间的关系
机译:基于决策林算法优化预测模型的特征选择方法对学术数据分析的比较
机译:使用GA-SVM杂交技术和噪声扰动解决结直肠癌的大肠癌微阵列数据的生物分子特征选择。
机译:基于波长变量选择和机器学习方法的UAV图像高光谱数据叶区域指标估计模型
机译:基于波长变量选择和机器学习方法的UAV图像高光谱数据叶区域指标估计模型