基本信息
源码名称：python 监督分类
源码大小：1.14M
文件格式：.zip
开发语言：Python
更新时间：2021-03-24
友情提示：（无需注册或充值，赞助后即可获取资源下载链接）
嘿，亲！知识可是无价之宝呢，但咱这精心整理的资料也耗费了不少心血呀。小小地破费一下，绝对物超所值哦！如有下载和支付问题，请联系我们QQ(微信同号)：813200300
本次赞助数额为： 2 元×
微信扫码支付：2 元
×
请留下您的邮箱，我们将在2小时内将文件发到您的邮箱
源码介绍
对光学遥感影像进行分类，对特征进行标记，使用SVM、随机森林进行分类预测精度
import gdal
import os
import numpy as np
from sklearn import svm
import pcl
import datetime
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
# 读取影像
class datasets:
def read_file(self,infile):
dataset=gdal.Open(infile)
im_width=dataset.RasterXSize
im_height=dataset.RasterYSize
#self.bands=dataset.GetRasterBand
im_geotran=dataset.GetGeoTransform()
im_prj=dataset.GetProjection()
im_data=dataset.ReadAsArray(0,0,im_width,im_height)
del dataset
return im_prj,im_geotran,im_data
dog=datasets()
pro,geo,data=dog.read_file("E:/class/can_tmr.img")
data=data.astype(np.float64) #转换格式
[m,n1,n2]=data.shape# 获取data的信息
data=data.reshape((m,n1*n2)).T # M是数据的维度的格式 n1是行，n2是列
import os
import numpy as np
from sklearn import svm
import pcl
import datetime
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score
# 读取影像
class datasets:
def read_file(self,infile):
dataset=gdal.Open(infile)
im_width=dataset.RasterXSize
im_height=dataset.RasterYSize
#self.bands=dataset.GetRasterBand
im_geotran=dataset.GetGeoTransform()
im_prj=dataset.GetProjection()
im_data=dataset.ReadAsArray(0,0,im_width,im_height)
del dataset
return im_prj,im_geotran,im_data
dog=datasets()
pro,geo,data=dog.read_file("E:/class/can_tmr.img")
data=data.astype(np.float64) #转换格式
[m,n1,n2]=data.shape# 获取data的信息
data=data.reshape((m,n1*n2)).T # M是数据的维度的格式 n1是行，n2是列