全文总字数：2379字
文献综述
文 献 综 述一、 本课题的目的和意义本次选题是我本科阶段的毕业论文也是对我大学四年所学知识的一次检验，更是完成本科阶段人才培养计划目标的重要一环。
我将用我大学四年所有的知识来完成这一次毕业设计，在实践中将所学的知识融会贯通，将书本中的知识与实际相连接，对知识的运用更上一层楼。
本次选题，将着重检验我对新知识的学习能力，利用当下十分火热的机器学习技术，来对图像进行融合处理，利用监督学习来处理分类问题。
当然，在对模型进行训练之前，要提取ASTER GDEM和SRTM的特征。
提取特征可以试着使用基于蚁群算法和随机森林算法来提取特征[15]。
在数据质量上，ASTER GDEM与SRTM各有优劣。
在垂直精度上，SRTM1 DEM数据要明显高于ASTER GDEM V2数据，其绝对误差均值分别为4.0 m和7.8 m，标准偏差分别为6.0 m和10.7 m，均方根误差分别为6.1 m和10.7 m，这2种DEM数据的精度受坡度影响严重，随坡度值的升高误差增大;SRTM1 DEM的绝对误差均值、标准偏差和均方根误差在水田最小，在林地最大，而ASTER GDEM V2的这3种误差在居民用地最小，在林地最大;SRTM1 DEM 和ASTER GDEM V2的绝对误差均值、标准偏差和均方根误差在平原地区最小，在大起伏山地最大。
③ 在平原和台地地区，ASTER GDEM V2数据高程值有异常波动，SRTM1 DEM在起伏山地存在对山谷过高估计。
总体上，SRTM1 DEM比ASTER GDEM V2对地形的表达准确，与ICESat/GLA14对地形的描述基本相一致。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
