臺灣博碩士論文加值系統

在Breiman開發出隨機森林（Random forest）演算法後，許多研究認為，該演算法在分類上擁有較佳的準確率，且對於變量有更好的解釋能力，因而隨機森林已被廣泛的應用在生物醫學、商管統計與資料處理等領域，但其在遙測判釋上之應用的研究項目較少，本研究將利用對雲林縣四湖鄉大蒜的WorldView-2衛星影像進行分類判釋，透過最大概似法（Maximum Likelihood）和隨機森林兩者分類成果的比較，探討隨機森林於遙測影像農作物大蒜判釋之分類能力。另外，由於隨機森林在使用上有兩個參數需由使用者自行設置，而且兩個參數設定的不同，會影響分類後的結果，因此本研究透過隨機森林內建的OOB（Out of Band）錯誤率的估計值，找尋最佳的參數設置並提出大蒜判釋的最適分類模型，最後利用隨機森林對於變量的高解釋力，分析各波段對判釋大蒜之重要性。
本研究首先選取8個大蒜及55個非大蒜共63個訓練樣區，以此訓練樣區分別對最大概似法和隨機森林進行訓練，最大概似法訓練完成後即對整體影像進行分類，而隨機森林訓練後依據OOB錯誤率設置其最佳的參數設置為3個特徵變量和5000顆樹，並依此建立最適分類模型，以此分類模型進行整體影像分類，而後將兩者的分類成果使用分類修飾法進行修飾，修飾後的最大概似法整體精度和Kappa值分別為94.61%和0.825，隨機森林則分別為93.83%和0.817，雖然兩者並無明顯差異，但在訓練樣區面積僅佔整體影像約1.3%之情形下，此精度顯示隨機森林擁有於遙測影像農作物大蒜判釋之分類能力。另外，研究結果顯示，WorldView-2的八個波段中，對於判釋大蒜上，最重要的為波段六、波段七和波段八，其次為波段五，其中，波段六界於紅光及近紅外光段之間，而波段七與波段八皆位於近紅外光段，表示近紅外光段在判釋大蒜上扮演著極為重要之角色。

This study utilizes the WorldView-2 imagery to classify garlic planted areas in Sihhu Township of Yunlin County. Through the comparisons of the classification results of the Maximum Likelihood (ML) and Random Forest (RF) classifiers, the ability of interpreting garlic planted fields is discussed. The Out of Band (OOB) estimate of error rates built in RF are used to find the best set of parameters. The degrees of importance of each image band on interpreting garlic planted areas are analyzed by using RF’s high explanatory powers of variables.
8 garlic and 55 non-garlic training sites are selected for the classification. For the classification of RF, 5000 trees are utilized in the process. Each tree uses three random bands selected according to the OOB error rates. The GIS Object-based post classification (GOBPC) method is then adopted to modify the classified outputs from ML and RF individually. The final overall and Kappa classification accuracies for the ML are 94.61%和0.825, and for the RF are 93.83%和0.817. There is almost no difference between each other. The results also demonstrate that red edge band, NIR1 band, and NIR2 band have significant influences on classifying garlic planted fields.

第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 7
第三節 研究範圍 8
第四節 研究架構與流程 10
第二章 文獻回顧 13
第一節 遙測判釋原理 13
第二節 遙測判釋應用 20
第三節 WorldView-2相關研究 27
第四節 大蒜相關研究 29
第三章 研究方法 32
第一節 研究材料 32
第二節 隨機森林（Random Forest） 35
第三節 最大概似分類法 45
第四節 研究流程設計 47
第四章 實證分析 49
第一節 訓練樣區 49
第二節 參數設置並建立分類模型 55
第三節 整體影像分類成果比較 62
第四節 分類結果誤差分析 67
第五節 變量重要性分析 82
第五章 結論與建議 84
第一節 結論 85
第二節 建議 88
參考文獻 91

一、中文部分
卞琼（2012）。WORLDVIEW2遥感影像地物识别预分析。科技致富向导，(26)，8、40。
田庆久、闵祥军（1998）。植被指数研究进展。地球科学进展，13(4)，327-333。
行政院農業委員會農糧署（2013）。主要農產品產銷及進出口量值（102年）。
行政院農業委員會農糧署企劃組（2014）。應用數位調查工具（行動載具）執行重要農作物種植面積調查。上網日期：2014年11月26日，檢自http://www.afa.gov.tw/Policy_Index.asp?CatID=10。
刘艳丽（2008）。随机森林综述。碩士論文，南开大学应用数学系碩士班，南投縣。
呂坤哲（2002）。基於決策樹之影像資料挖掘法及其在影像處理上的應用。碩士論文，逢甲大學資訊工程學系碩士班，台中市。
余清祥（2005）。病例分類與資料縮減研究-應用蛋白質資料庫檢測癌症。行政院國家科學委員會專題研究計畫成果報告，NSC 94-2118-M-004-001。
杜逸普（2008）。部落格探勘─以網路電話產品為例。碩士論文，朝陽科技大學資訊管理系碩士班，台中市。
李瑞陽、莊佳文（2006）。運用影像分塊方法於高解析衛星影像土地利用判釋精度之研究。航測及遙測學刊，11(4)，403-415。
李瑞陽、黃淑惠（2012）。應用遙測影像於瓜田種植面積判釋之研究。2012台灣地理資訊學會年會暨學術研討會論文集。
周天穎、郭靜怡（2005）。應用空間排列法於都市土地利用判釋之研究。航測及遙測學刊，10(3)，225-238。
张云霞、张云飞、李晓兵（2007）。地面测量与ASTER影像综合计算植被盖度。生态学报，27(3)，964-976。
张新利（2012）。高分辨率立体卫星影像应用潜力研究。咸阳师范学院学报，27(6)，58-63。
林世峻、莊智瑋、何世華、林昭遠（2008）。植生指標對影像分類準確度影響之研究。中華水土保持學報， 40(2)，181-193。
林昭雄（1995）。台灣農家要覽農作篇（二）。台北市：行政院農業委員會。
林昭遠、李承寯、莊智瑋（2009）。濁水溪河口揚塵潛在區位地覆類別判釋之研究。中華水土保持學報，41(2)，125-138。
林裕隆、蔡明達、陳啟南（2013）。以遙測影像結合空載光達資料進行人造物萃取之研究。黃埔學報，(64)，193-210。
林滄澤（2000）。大蒜栽培生產技術。台南區農業改良廠技術專刊， 89(3)，1-13。
杨存建、杨建祥、李春燕、任国业（2008）。云南省腾冲县几种蔬菜反射光谱特征的初步分析。遥感技术与应用， 23(6)，639-642。
杨敏、李健强、高婷、张转、梁楠、易欢、韩海辉（2012）。WorldView-2数据在地质调查中的应用。现代矿业，(518)，35-37。
金剑、田淑芳、焦润成、高虎（2013）。基于地物光谱分析的WorldView-2数据岩性识别:以新疆乌鲁克萨依地区为例。现代地质，27(2)，489-496。
陈利、林辉、孙华、严恩萍、王继志（2013）。基于WorldView 2影像杉木叶面积指数与植被指数相关性研究。中国农学通报， 29(1)，29-36。
陈建明、孙卫东、于浩、张勤军（2011）。WorldView-2数据在西昆仑库斯拉甫含媒盆地的应用与研究。新疆地质， 29(3)，356-358。
倪卓娅、甘甫平、周萍、霍红元（2011）。面向对象的那曲WorldView-2影像的分类。遥感信息，(6)，114-118。
邵泰璋（1999）。類神經網路於多光譜影像分類之應用。碩士論文，國立交通大學土木工程系碩士班，新竹市。
凌成星、张怀清、鞠洪波、孙华（2012）。基于Worldview-2数据的东洞庭湖湿地区域植被覆盖度估算研究。科学技术与工程， 12(29)，32-37。
凌春丽、朱兰艳、吴俐民（2010）。WorldView-2影像林地信息提取的研究与实现。测绘科学， 35(5)，205-207。
高国龙（2010）。美国WorldView-2八波段高分辨率商用卫星发回清晰图片。紅外，31(2)，47-48。
郭广猛、杨　丽、谢高地（2005）。泾河流域近五年来植被变化分析。资源科学，27(4)，22-25。
粘志鵬（2006）。基於支援向量機之中文自動作文評分系統。碩士論文，國立交通大學資訊科學與工程研究所，新竹市。
陳信佑（2009）。利用多尺度影像於大蒜種植面積之研究-以雲林縣四湖鄉為例。碩士論文，逢甲大學環境資訊科技學系碩士班，台中市。
陳承昌、史天元（2007）。粗糙集方法應用於水稻田辨識之研究。航測及遙測學刊，12(2)，121-131。
陳俊愷、張國楨、施明志（2010）。福衛二號影像應用於牡蠣棚架數量估算。航測及遙測學刊，15(2)，167-175。
陳奕霖（2009）。利用空間技術於香蕉作物判釋之研究。碩士論文，逢甲大學土地管理學系碩士班，台中市。
陳莉、魏曉萍、王泰盛（2004）。監督式分類方法於遙測影像判釋之研究。農業工程學報，50(3)，59-70。
陳鈞華、童伯倫、方彥凱、譚智宏、張煜權、甘俊二（2007）。遙測應用於土地利用分類-以美濃中壇為例。水利會訊，(10)，80-92。
張士勳 、萬絢、周彥芝（2012）。綠化生態模型的評估:以遙測影像的水稻田影像判釋:自組織映射圖與邏輯式迴歸之研究。水保技術，7(4)，212-220。
張家豪、朱子豪（2006）。應用高解析度遙測資料於都市土地違規使用之監測--以台北市建物屋頂加蓋物為例。碩士論文，國立臺灣大學地理環境資源研究所，台北市。
張家豪、朱子豪、劉英毓（2005）。應用高解像力遙測影像於台北市建物屋頂加蓋物之監測。台灣地理資訊學刊，(3)，15-26。
張崑宗、高啟軒、王主一、劉進金（2010）。暴雨型崩塌地自動判釋及特徵分析之研究。航測及遙測學刊，15(1)，79-95。
黃昭雄、徐逸祥、朱子豪（2008）。應用遙測設術於農作物生產調查一以敏感性作物鳳梨為例。全球變遷通訊雜誌，(60)，19-24。
黃昭雄、徐逸祥、樊先達、朱子豪（2011）。應用遙測技術於敏感性作物生產調查—以鳳梨和香蕉兩種作物為例。2011台灣地理資訊學會年會暨學術研討會論文集。
黄衍，查伟雄（2012）。随机森林与支持向量机分类性能比较。软件，33(6)，107-110。
黃麗娟（2007）。植生指標應用於土地利用分類判釋之研究。碩士論文，國立中興大學水土保持學系碩士班，台中市。
黃麗娟、莊智瑋、何世華、林昭遠（2008）。衛星影像植生指標優選之研究。中華水土保持學報，40(1)，39-50。
傅建嘉（2011）。利用空間技術於大蒜作物判釋之研究。碩士論文，逢甲大學土地管理學系碩士班，台中市。
曾義星（2006）。應用航遙測影像辨識及地理資訊技術於敏感性作物稙植面積調查（1/3）。行政院農業委員會農糧署。
雲林縣政府新聞處公共關係科（2014）。『幫助蒜農，蒜我一份』大蒜促銷會，現在買蒜最划算。上網日期：2014年12月5日，檢自http://www4.yunlin.gov.tw/agriculture/home.jsp?serno=200710140007&menudata=AgricultureMenu&contlink=ap%2Fnews_view.jsp&dataserno=201404090008。
雷祖強、李哲源、葉惠中、萬 絢（2009）。以區塊化物件分類法萃取ADS-40 影像中水稻田坵塊資訊之研究。航測及遙測學刊，14(2)，127-140。
雷祖強、周天穎、萬絢、楊龍士、許晉嘉（2007）。空間特徵分類器支援向量機之研究。航測及遙測學刊， 12(2)，145-163。
雷祖強、周天穎、鄭丁元（2006）。運用QuickBird衛星影像於水稻田坵塊萃取之研究。航測與遙測學刊，11(3 )，297-310。
葉怡成（2002）。類神經網路模式應用與實作（第七版）。台北市：儒林圖書有限公司。
葉清江、羅良岡、齊德彰、黃彥儒（2006）。整合分類迴歸樹與隨機森林於資訊揭露預測之研究:公司治理之考量。台灣作業研究學會理論與實務學術研討會。
萬絢、雷祖強、王文宜（2013）。以迭代式像元基礎的亂數基礎分類法在萬大水庫衛星影像崩塌地的判釋研究。中華水土保持學報， 44(1)，78-86。
萬絢、雷祖強、陳達祺（2011）。以樹狀倒傳遞類神經網路於田埂判釋研究。航測及遙測學刊，16(1)，1-10。
萬絢、閻嘉義、劉怡麟（2011）。以自組織映射圖及粗糙集理論判釋萬大水庫崩塌地。中華水土保持學報，42(3)，175-183。
劉守恆、林慶偉（2004）。SPOT 衛星影像之崩塌地自動分類研究。航測及遙測學刊，9(2)，9-22。
樊先達、朱子豪（2009）。3S（GIS, RS, GPS）技術結合空間資料　探勘監測環境變化－以廢棄物棄置場區為例。國研科技，(23)，28-37。
潘國樑（2009）。遙測學大綱：遙測概念、原理與影像判釋技術（第二版）。台北市：詹氏書局。
鄭雅文、史天元、蕭國鑫（2008）。物件導向分類於高解析度影像自動判釋。航測及遙測學刊， 13(4)，273-284。
盧建成、詹錢登（2011）。運用ArcMap區域統計法及遙測影像分析農地利用及灌溉需水量。農業工程學報， 57(2)，1-15。
蕭國鑫、劉治中、徐偉城（2004）。不同影像分類方法應用於水稻辨識之探討。航測及遙測學刊， 9(1)，13-26。
蕭國鑫、劉治中、劉進金、何心瑜、黃英婷（2008）。高解析影像應用於土地利用分類之探討。航測及遙測學刊， 13(4)，261-271。
戴小华、余世孝（2004）。遥感技术支持下的植被生产力与生物量研究进展。生态学杂志， 23(4)，92-98。
蘇妍如（2007）。應用決策樹於學習障礙鑑定之評估。碩士論文，國立彰化師範大學資訊管理學系碩士班，彰化縣。
鐘維榮（1991）。大蒜生長特性之分析。台中區農業改良場研究彙報，(33)，7-14。
二、英文部分
Aniruddha Ghosh, P.K. Joshi (2014). A Comparison of Selected Classification Algorithms for Mapping Bamboo Patches in Lower Gangetic Plains Using Very High Resolution WorldView 2 Imagery, International Journal of Applied Earth Observation and Geoinformation, 26, 298 -311.
Anita, P. and D. V. D. Poel (2008). Random Forests for Multiclass Classification：Random MultiNomial Logit, Journal of Expert System with Applications, 34, 1721 -1732.
Arminger, G., D. Enache and T. Bonne (1997). Analyzing Credit Risk Data: A Comparison of Logistic Discrimination Classification Tree Analysis and Feedforward Networks, Computational Statistics, 12, 293 -310.
Ashburn, P. (1979). The Vegetative Index Number and Crop Identification, The LACIE Symposium.
Badhwar, G. D. (1981). The Use of Parameters to Separate and Identify Spring Small Grains, Quarterly Technical Interchange Meeting, NASA-JSC, Houston, TX.
Baret, F., G. Guyot & D. J. Major (1989). TSAVI: A Vegetation Index which Minimizes Soil Brightness Effects on LAI and APAR Estimation, Proceedings of the 12th Canadian Symposium on Remote Sensing, Vancouver, Ottawa: Canadian Remote Sensing Society, 1355 -1358.
Berson, A. and S. J. Smith (1997). Data Mining Techniques for Marketing Sales and Customer Support, Wiley Computer Publishing.
Birth, G. S., & G. McVey (1968). Measuring the Color of Growing Turf with A Reflectance Spectrometer, Agronomy Journal, 60, 640 -643.
Breiman L. (2001a). Random Forests, Machine Learning, 45, 5 -32
Breiman, L. (2001b). Statistical Modeling: The Two Cultures, Statistical Science, 16, 199 -215.
Breiman, L., J. H. Friedman, R. A. Olshen and C. J. Stone (1984). Classificationand Regression Trees, Chapman and Hall.
Buckinx, W. and D. V. D. Poel (2005). Customer Base Analysis：Partial Defection of Behaviourally-loyal Clients in A Non-contractual FMCG Retail Setting, European journal of Operational Research, 164(1), 252 -268.
Chica-Olmo, M. and F. Abarca-Hernández (2000). Computing Geostatistical Image Texture for Remotely Sensed Data Classification, Computers & Geosciences, 26 (4), 373 -383.
Colwell, R. N., C. N. Hay, C. A. Kuretz, J. B. Odenweller, E. Scheffner and B. Wood (1979). Development of AI Procedures for Dealing with the Effects of Episodal Events on Crop Temporal Spectral Response, AgKISTARS SR-B9-00434, Contract NAS 9-14565.
Crippen, R.E. (1990). Calculating the Vegetation index Faster, Remote Sensing of Environment, 34, 71 -73.
David H. W. and G. M. William (1997). No Free Lunch Theorems for Optimization, IEEE Transactions on Evolutionary Computation, 1 (1), 67 -82.
Deng, Y. P., H. S. Chen, L. Tao, Q. Y. Sha, J. Chen, C. J. Tsai (2004). Joint Analysis of Two Microarray Gene-expression Data Sets to Select Lung Adenocarcinoma Marker Genes, BMC Bioinformatics, 5 (81), 1 -12.
Eckert Sandra (2012). Improved Forest Biomass and Carbon Estimations Using Texture Measures from WorldView-2 Satellite Data, Remote Sens, 4 (4), 810 -829.
Escadafal R., A.R. huete (1991). Influence of the Viewing Geometry on the Spectral Properties (High Resolution Visible and NIR) of Selected Soils from Arizona, 5e Coll. Intern, Mesures physiques et signatures en télédétection, Courchevel, France, 1991, European Space Agency, SP-319, 401 -404.
Genovese, G., C. Vignolles, T. Nègre and G. Passera (2001). A Methodology for A Combined Use of Normalised Difference Vegetation Index and CORINE Land Cover Data for Crop Yield Monitoring and Forecasting, A Aase Study on Spain. Agronomie, 21 (1), 91 -111.
Gustavo, C. V., G. C. Luis, C. M. Javier, Jose, M. G. David, S. O. Emilio, A. C. Luis, and Jose Moreno (2004). Robust Support Vector Method for Hyperspectral Data Classification and Knowledge Discovery, IEEE Transactions on Geoscience and Remote Sensing, 42 (7).
Guy, N., A. Szilágyi, C. Leslie and B. T. Nir (2009). Identification of DNA-binding Proteins Using Structural, Electrostatic and Evolutionary Features, J. Mol. Biol, 387, 1040 -1053.
Ho, T. K. (1995). Random Decision Forest, Proceedings of the 3rdInternational Conference on Document Analysis and Recognition, 278 -282.
Ho, T. K. (1998). The Random Subspace Method for Constructing Decisionforests, IEEE Transactions on Pattern Analysis and Machine Intelligence, pp. 832-844.
Hopfield, J. J. (1982). Neural Networks and Physical Systems with Emergent Collective Computational Abilities, Proceedings of the National Academy of Sciences of the United States of America-biological Sciences, 79, 2554 -2558.
Huete, A. R. (1988). A Soil Adjusted Vegetation Index (SAVI), Remote Sens, Environ, 25, 295 -309.
Immitzer Markus, Clement Atzberger and Tatjana Koukal (2012). Tree Species Classification with Random Forest Using Very High Spatial Resolution 8-Band WorldView-2 Satellite Data, Remote Sens, 4 (9), 2661 -2693.
Iverson, L. R., A. M. Prasad, S. N. Matthews, and M. Peters (2008). Estimating Potential Habitat for 134 Eastern US Tree Species Under Six Climate Scenarios, Forest Ecology and Management, 254, 390 -406.
Jackson R D. (1983). Spectral Indices in N-space, Remote Sensing of Environment, 13, 409 -421.
Kaufman, Y. J., & D. Tanre (1992). Atmospherically Resistant Vegetation Index (ARVI) for EOS-MODIS, IEEE Trans. Geosci. Remote Sens., 30, 261-270.
Kauth, R. J. and G. S. Thomas (1976). The Tasseled Cap-agraphic Description of The Spectra-temporal Development of Agriculture Crops as Seen by Landsat, Pros Symposium on Machine Processing of Remotely Sensed Data, Purdue University, West Lafayette, Indiana, 41-51.
Lillesand, T. M. and R. W. Kiefer (1993). Remote Sensing and Image Interpretation. New York: Third Edition John Wiley.
Lillesand, T. M. and R. W. Kiefer (2000). Remote Sensing and Image Interpretation (4th Edition). New York: John Wiley & Sons, Inc.
Lloyd, C. D., S. Berberoglu, P. J. Curran and P. M. Atkinson (2004). A Comparison of Texture Measures for The Per-field Classification of Mediterranean Land Cover. International Journal of Remote Sensing, 25 (19), 3943 -3965.
Luo, T., K. Kramer, D. B. Goldgof, L. O. Hall, S. Samson and A. Remsen (2004). Recognizing Plankton Images from The Shadow Image Particle Profiling Evaluation Recorder, IEEE Transactions on Systems Man and Cybernetics Part B Cybernetics, 34 (4), 1753 -1762.
Mahesh, P. and P. M. Mather (2004). Assessment of The Effectiveness of Support Vector Machines for Hyperspectral Data, Future Generation Computer Systems, 20 (7), 1215 -1225.
Marchisio, G., F. Pacifici, C. Padwick (2010). On The Relative Predictive Value of The New Spectral Bands in The WorldWiew-2 Sensor, Geoscience and Remote Sensing Symposium (IGARSS), 2010 IEEE International, 2723 -2726.
Matteo, P. and G. Sberveglieri (2008). Random Forests and Nearest Shrunken Centroids for The Classification of Sensor Array Data, Sensors and Actuators B, 93 -99.
McGwire Kenneth, Timothy Minor, Lynn Fenstermaker (2000). Hyperspectral Mixture Modeling for Quantifying Sparse Vegetation Cover in Arid Environments, Remote Sensing of Environment, 72 (3), 360 -374.
McNairn, H. and R. Protz (1993). Mapping Corn Residue Cover on Agricultural Fields in Oxford County, Ontario, Using Thematic Mapper, Canadian Journal of Remote Sensing, 19 (2), 152 -159.
Misra, P. N.; S. G. Wheeler; and R. E. Oliver (1977). Kauth-Thomas Brightness and Greenness Axes, IBM personal communication, Contract NAS 9-14350, RES 23 -46.
Onisimo Mutanga, Elhadi Adam, Moses Azong Cho (2012). High Density Biomass Estimation for Wetland Vegetation Using WorldView-2 Imagery and Random Forest Regression Algorithm, International Journal of Applied Earth Observation and Geoinformation, 18, 399 -406.
Pall Oskar Gislason, Jon Atli Benediktsson , Johannes R. Sveinsson (2006). Random Forests for land cover classification, Pattern Recognition Letters, 27, 294 -300.
Pinty, B., and M. M. Verstraete (1992). GEMI: A Non-linear Index to Monitor Global Vegetation from Satellite, Vegetatio, 101, 15 -20.
Plummer, S. E., P. R. J. North and S. A. Briggs (1994). The Angular Vegetation Index: An Atmospherically Resistant Index for The Second Along Track Scanning Radiometer (ATSR-2), Proceedings of the 6th Symposium on Physical Measurements and Spectral Signatures in Remote Sensing CNES, Toulouse, 717 -722.
Qi, J., A. Chehbouni, A. R. Huete, Y. H. Kerr and S. Sorooshian (1994). A Modified Soil Adjusted Vegetation Index, Remote Sensing of Environment, 47, 1 -25.
Ridchardson, A. J. and C. L. Weigand (1977). Distinguishing Vegetation from Soil Background Information. Phot ogrammetric Engineering and Remote Sensing, 43 (12), 1541 -1552.
Rouse, J. W. and R. H. Haas (1973). Monitoring Vegetation Systems in the Great Plain with ERTS. Third ERTS Symposium, Washington, DC: NASA, 1, 309 -317.
Rouse, J.W., Jr. R.H. Haas, J.A. Schell and D.W. Deering (1973). Monitoring The Vernal Advancement and Retrogradation (green wave effect) of Natural Vegetation, Prog. Rep, RSC 1978-1, Remote Sensing Cent., Texas, A. and M. Univ, College Station.
Sandra, E. (2012). Improved Forest Biomass and Carbon Estimations Using Texture Measures from WorldView-2 Satellite Data, Remote Sens, 4(4), 810 -829.
Schapire, R. E., M. Rochery, M. Rahim and Narendra Gupta (2005). Boosting with Prior Knowledge for Call Classification, IEEE Transactions on Speech and Audio Processing, 13 (2).
Schowengerdt, Robert A. (2007). Remote Sensing (Third edition). New York: Elsevier Inc.
Shin, K. S., T. S. Lee, and H. J. Kim (2005). An Application of Support Vector Machines in Bankruptcy Prediction Model, Expert Systems with Applications, 28 (1), 127 -135.
Shota Mochizuki and Takuhiko Murakami (2012). Accuracy Comparison of Land Cover Mapping Using The Object-oriented Image Classification with Machine Learning Algorithm, 33rd Asian Conference on Remote Sensing 2012 (ACRS 2012), 126 -133.
Tucker, C. J. (1979). Red and Photographic Infrared Linear Combinations for Monitoring Vegetation, Remote Sens. Environ, 8 (2), 127 -150.
Yazdani, R., A.R. Ryerson and E. Derenyi (1991). Vegetation Change Detection in Area - A Simple Approach for Use with Geo-data Base, 7th Canadian Symposium on Remote Sensing, Winnipeg, Manitoba. Proceedings… Canada, 1981, 88 -92.