Publication

Crop Backscatter Modeling And Soil Moisture Estimation With Support Vector Regression

Jean-Philippe Thiran, Devis Tuia, Jelena Stamenkovic, Maurice Borgeaud
2014
Conference Papers

Résumé

In this paper, we used an improved version of the Tor Vergata radiative transfer model to simulate the backscattering coefficient for the L-band SAR signals over areas covered with vegetation. Fields of winter wheat, maize and sugar beet observed during the AgriSAR2006 campaign were investigated. For maize field, the presence of periodic soil surface profiles played an important role in determining the total backscattering. Soil moisture was also estimated using an inverse algorithm based on a supervised, nonparametric learning technique, u-SVR. u-SVR proved good generalization properties even with a limited number of training samples available. Dependence to the origin of training samples, as well as the influence of different features, was thoroughly considered.

Source officielle

https://infoscience.epfl.ch/entities/publication/637df04d-f5c5-4e9a-aab4-a64ea52ac7ca

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Jean-Philippe Thiran, Devis Tuia, Jelena Stamenkovic, Maurice Borgeaud
2014
Conference Papers

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/637df04d-f5c5-4e9a-aab4-a64ea52ac7ca

À propos de ce résultat

Concepts associés (22)

Régression linéaire

En statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.

Régression logistique

En statistiques, la régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit d'expliquer au mieux une variable binaire (la présence ou l'absence d'une caractéristique donnée) par des observations réelles nombreuses, grâce à un modèle mathématique. En d'autres termes d'associer une variable aléatoire de Bernoulli (génériquement notée ) à un vecteur de variables aléatoires . La régression logistique constitue un cas particulier de modèle linéaire généralisé.

Multinomial logistic regression

In statistics, multinomial logistic regression is a classification method that generalizes logistic regression to multiclass problems, i.e. with more than two possible discrete outcomes. That is, it is a model that is used to predict the probabilities of the different possible outcomes of a categorically distributed dependent variable, given a set of independent variables (which may be real-valued, binary-valued, categorical-valued, etc.).

Afficher plus

Publications associées (31)

Machine learning models for prediction of electrochemical properties in supercapacitor electrodes using MXene and graphene nanoplatelets

Mohammad Khaja Nazeeruddin

Herein, machine learning (ML) models using multiple linear regression (MLR), support vector regression (SVR), random forest (RF) and artificial neural network (ANN) are developed and compared to predict the output features viz. specific capacitance (Csp), ...

Elsevier Science Sa2024

Quantifying the Unknown: Data-Driven Approaches and Applications in Energy Systems

Paul Scharnhorst

In light of the challenges posed by climate change and the goals of the Paris Agreement, electricity generation is shifting to a more renewable and decentralized pattern, while the operation of systems like buildings is increasingly electrified. This calls ...

EPFL2024

Seebeck Coefficient of Ionic Conductors from Bayesian Regression Analysis

We propose a novel approach to evaluating the ionic Seebeck coefficient in electrolytes from relatively short equilibrium molecular dynamics simulations, based on the Green-Kubo theory of linear response and Bayesian regression analysis. By exploiting the ...

Amer Chemical Soc2024

Afficher plus