استفاده از الگوریتم بهینه سازی توده ذرات در خوشه بندی فازی داده های فراطیفی

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,804

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP06_194

تاریخ نمایه سازی: 20 فروردین 1390

چکیده مقاله:

قابلیت منحصر به فرد تصاویر فراطیفی در بیان ویژگی های عوارض و اجسام مختلف سطح زمین تحقیقات این شاخه را به سمت گسترش روشهایی هدایت می کند که تا حد ممکن نیاز به دخالت عوامل انسانی در پردازش داده ها را کاهش دهند دراین میان خوشه بندی یکی از پرکاربردترین روشها در بسیاری از پردازشهای مطرح در تصاویر فراطیفی از قبیل طبقه بندی و تشخیص خودکار اشیا می باشد با این وجود با توجه به ابعاد بالای داده های فراطیفی روشهای خوشه بندی مرسوم از جمله خوشه بندی فازی برای این گونه داده ها از کارایی پایینی برخوردار بوده و معمولا به بهینه محلی همگرا می شوند. تکنیکهای خوشه بندی جمعیت مبنا به دلیل طبیعت جستجو تصادفی و چند گانه می توانند بر بسیاری از مشکلات روشهای خوشه بندی سنتی غلبه کنند یکی از این تکنیکها که ملهم از رفتار موجودات دستهجمعی مانند پرندگان یا ماهی ها می باشد. بهینه سازی بر مبنای حرکت توده ذرات است یکی از این تکنیکها که ملهم از رفتار موجودات دسته جمعی مانند پرندگان یا ماهی ها می باشد. دراین مقاله یک روش ترکیبی برمبنای ترکیب خوشه بندی فازی با الگوریتم بهینه سازی توده ذرات پیشنهاد می شود نتایج حاصل از بکارگیری این روش برروی تصاویر سنجنده AVIRIS در دو فضای داده و ویژگی بیانگر توانایی بالای آن نسبت به روش پایه خوشه بندیفازی می باشد.

کلیدواژه ها:

آنالیز مولفه های اصلی ، بهینه سازی حرکت توده ذرات ، تصاویر فراطیفی ، خوشه بندی فازی

نویسندگان

امین علیزاده

گروه مهندسی نقشه برداری دانشکده های فنی دانشگاه تهران امیر اباد شما

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • I2] ح. عزت آبادی، "مطالعه و ارزیابی روش‌های خوشه‌بندی تصاویر ...
  • C. Chang, Hyperspectral data exploitation: theory and applications: Wil ey-Blackwell, ...
  • T. Runkler, "Wasp Swarm optimization of the c-means clustering model, ...
  • E. Mehdizadeh and R. Tavakkoli -Moghaddam, "A hybrid fuzzy clustering ...
  • H. Izakian, et al., "- Fuzzy clustering using hybrid fuzzy ...
  • J. Kennedy, et al., Swarm intelligence: Morgan Kaufmann Publishers, 2001. ...
  • G. _ _ , _ _ Membership Relations, " IEEE ...
  • [A] Y. Tarablka, et al., _ Sp ectral-Spatial Classification of ...
  • Y. Zhong, et al., "An unsupervised artificial immune classifier for ...
  • _ _ _ Transactions on Geoscience and Remote Sensing, vol ...
  • H. _ _ _ 2008, p. 72854Z. ...
  • F. _ _ _ Information Processing, pp. 50 1-508, 2009. ...
  • J. Kennedy and R. Eberhart, "Particle Swarm optimization, " 1995, ...
  • ftp://tp. ecn _ purd _ _ ed u/b iehl/MultiSpec ./ ...
  • P. Varshney and M. Arora, Advanced image processing techniques for ...
  • S. Zhong and J. Ghosh, " A comparative study of ...
  • Tso and P. Mther. Classification methods for remotely sensed data: ...
  • M. Kumar, "Feature Selection for Classification of Hyperspectral Remotely Sensed ...
  • نمایش کامل مراجع