دانلود کتاب ترکیب داده های چندحسگر و یادگیری ماشین برای سنجش از راه دور محیطی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Multisensor Data Fusion and Machine Learning for Environmental Remote Sensing
ویرایش : 1
عنوان ترجمه شده به فارسی : ترکیب داده های چندحسگر و یادگیری ماشین برای سنجش از راه دور محیطی
سری :
نویسندگان : Ni-Bin Chang, Kaixu Bai
ناشر : CRC Press
سال نشر : 2018
تعداد صفحات : 529
ISBN (شابک) : 1498774334 , 9781498774338
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 63 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
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 تلفیق 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 در 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 میزان 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، همه دانش ضروری را بهطور یکپارچه با روشی بینرشتهای ادغام میکنند. این شیوههای مهندسی مبتنی بر مورد بهطور منحصربهفردی نشان میدهند که چگونه میتوان چنین زمینه نوظهوری با 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.