Comparison of machine learning and statistical approaches for Digital Elevation Model (DEM) correction: interim results

Autor: C. Okolie, A. Adeleke, J. Smit, J. Mills, I. Maduako, C. Ogbeta

Publikováno v: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol XLVIII-2-2024, Pp 315-320 (2024)

The correction of digital elevation models (DEMs) can be achieved using a variety of techniques. Machine learning and statistical methods are broadly applicable to a variety of DEM correction case studies in different landscapes. However, a literatur

Externí odkaz: https://doaj.org/article/07fcd8d01b284ee9968559d9c96e5ab7

THE EXPLAINABILITY OF GRADIENT-BOOSTED DECISION TREES FOR DIGITAL ELEVATION MODEL (DEM) ERROR PREDICTION

Autor: C. Okolie, J. Mills, A. Adeleke, J. Smit, I. Maduako

Publikováno v: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol XLVIII-M-3-2023, Pp 161-168 (2023)

Gradient boosted decision trees (GBDTs) have repeatedly outperformed several machine learning and deep learning algorithms in competitive data science. However, the explainability of GBDT predictions especially with earth observation data is still an

Externí odkaz: https://doaj.org/article/9b7a9ee1618a40659552a645cb134450

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.