名間鄉天氣的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學

支持向量機結合K最鄰近法於UAV影像農作物分類之研究

為了解決名間鄉天氣的問題，作者蔡曜臨 這樣論述：

近年來遙測科技的快速發展，無人飛行載具（Unmanned Aerial Vehicles; UAV）具有較傳統大型飛機相對甚低的持有成本與高機動之特性，且由於航高相對較低，可不受雲層影響於低空雲下進行航拍作業，能得到較好的影像品質與更佳之地面解析度（Ground Sample Distance; GSD)，可克服傳統航空攝影受限於時間與天氣狀況，光學衛星影像又容易受到雲霧遮蔽等等問題，成為衛星遙測與航空攝影外另一個新形態的影像獲取工具。 本研究的研究範圍為南投縣名間鄉。採用灰階共生矩陣 (Grey Level Co-occurrence Matrix; GLCM) 中同質度、對比度、角二次

矩、不相似度、熵、與相關性等六種紋理因子，同時檢視移動視窗大小來進行紋理分析，並利用支持向量機(Support Vector Machine; SVM)結合K最鄰近法(K-Nearest Neighbors; KNN)(SVM-KNN)進行分類，以提高影像分類的精度。 本研究結果顯示，以支持向量機(SVM)針對光譜影像結合紋理因子進行分類，其最佳整體精度為87.90%、Kappa值為0.77。以支持向量機結合最鄰近法(SVM-KNN)，單純針對光譜影像進行分類，整體精度為89.40%、Kappa值為0.80；而進一步加入紋理因子後，其最佳整體精度提昇為92.65%、Kappa值為0.86，證

明了應用支持向量機結合最鄰近法的確能提高影像分類精度。

果農之風災防災素養對農業防救災政策認知及滿意度之研究-以屏東縣的蓮霧與芒果果農為例

為了解決名間鄉天氣的問題，作者顏來滿 這樣論述：

以問卷方式，採描述性統計、t檢定、變異數分析、積差相關與徑路分析等方法進行統計分析，探究果農風災防災素養、農業防救災政策認知及滿意度彼此間的關係或影響。發現果農風災防災素養良好且正向；男性、大學學歷、農業年收入金額200萬元以上、曾領取農業災害救助金、曾申請農業低利貸款者，防災素養、農業防救災政策認知較高；女性、高中學歷、農業年收入金額30萬(含)以下、不曾領取農業災害救助金、不曾申請農業低利貸款者，防救災政策滿意度較高；41歲至50歲及曾為風災受災戶的果農在防災素養、農業防救災政策認知及滿意度三構面的表現都最好；防災素養、農業防救災政策認知、農業防救災政策滿意度彼此兩兩正相關且達顯著。建議

有關單位應積極推動防災教育、加強政策宣導、推動農業保險政策，以達防災、減災、快速復原的目的。