文章预览
长期以来,时序数据缺失是开展分类等任务的巨大挑战。为此,能够想到的解决办法就是时序数据插值,其中线性插值是最便捷的方式。然而,线性插值补全时序数据带来的增益效果却很少有人研究。 碰巧的是,小编最近阅读到一篇类似的文章,觉得很不错,因此分享给大家。 论文信息 Che X, Zhang H K, Li Z B, et al. Linearly interpolating missing values in time series helps little for land cover classification using recurrent or attention networks[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2024, 212: 73-95. 卫星时间序列数据因云层污染导致缺失值广泛存在,这对土地覆盖分类造成了不利影响。 为了生成规则的时间序列以改进机器学习分类器的效果,有多种策略,其中最常用的是复合后的线性插值。然而,线性插值在土地覆盖分类中的实际改进效果尚未被详细研究。近年来,长短期记忆(L
………………………………