Trong phạm vi bài viết này, nhóm nghiên tiến hành thử nghiệm một thuật toán của phương pháp học máy (Machine Learning) trong phân loại rừng ngập mặn trên ảnh viễn thám SPOT6 với khu vực thử nghiệm tại Tỉnh Cà Mau. | Nghiên cứu - Ứng dụng NGHIÊN CỨU ỨNG DỤNG PHƯƠNG PHÁP HỌC MÁY MACHINE LEARNING TRONG PHÂN LOẠI RỪNG NGẬP MẶN TRÊN ẢNH VIỄN THÁM SPOT6 VỚI KHU VỰC THỬ NGHIỆM TẠI TỈNH CÀ MAU PHẠM MINH HẢI 1 VŨ KỲ LONG 2 1 Viện Khoa học Đo đạc và Bản đồ 2 Sở Tài nguyên Môi trường Hà Nội Tóm tắt Công tác lựa chọn thuật toán phù hợp là một phần quan trọng của bất kỳ ứng dụng phương pháp máy học nào và bởi vì có rất nhiều các tiêu chí và sự lựa chọn. Bên cạnh đó sự am hiểu về điểm mạnh và điểm yếu của các thuật toán trong phương pháp học máy là điều cần thiết để đem lại hiệu quả cao. Trong phạm vi bài báo này nhóm nghiên tiến hành thử nghiệm một thuật toán của phương pháp học máy Machine Learning trong phân loại rừng ngập mặn trên ảnh viễn thám SPOT6 với khu vực thử nghiệm tại Tỉnh Cà Mau. Kết quả thực hiện của nghiên cứu đã đạt được 2 điểm mới đó là ứng dụng thành công phương pháp học máy Machine Learning trong phân loại ảnh viễn thám và phân loại được chi tiết theo loài thực vật của rừng ngập mặn tại khu vực thực nghiệm. Bên cạnh đó tác giả đã khai thác được khả năng nhận diện pattern trên ảnh viễn thám của phương pháp và quá trình phân loại ảnh dựa trên các mẫu được lựa chọn đem lại kết quả có độ chính xác cao. 1. Giới thiệu chung về phương pháp học Breiman tại đại học California Berkeley. máy Machine Learning Breiman cũng đồng thời là đồng tác giả của phương pháp CART Classification and Học máy cho phép con người học dữ liệu xác Regression Trees được đánh giá là một trong 10 định chính xác các cơ hội và tạo chiến lược để phương pháp khai phá dữ liệu kinh điển. cải thiện các trải nghiệm của bản thân bằng cách Random Forest được xây dựng dựa trên 3 thành sử dụng thông tin ẩn trong các tập dữ liệu khổng phần chính là 1 CART 2 học toàn bộ hội lồ. Công tác lựa chọn thuật toánphù hợp là một đồng các chuyên gia kết hợp các mô hình và 3 phần quan trọng của bất kỳ ứng dụng phương tổng hợp bootstrap bagging . Hình 1 dưới đây pháp máy học nào và bởi vì có rất nhiều các tiêu thể hiện phương .
