ارزیابی و مقایسه کارایی الگوریتم های بهینه سازی ازدحام ذرات و جستجوی گرانشی برای تفکیک کاربری های اراضی مشابه - مطالعه موردی: اراضی فضای سبز و شالیزار شمال ایران
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 488
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SEPEHR-29-113_008
تاریخ نمایه سازی: 20 مرداد 1399
چکیده مقاله:
بکارگیری ویژگی های بهینه در الگوریتم های مختلف طبقه بندی، بر دقت نتایج حاصل از طبقه بندی تاثیرگذار می باشد. هدف از پژوهش حاضر بررسی قابلیت های تصاویر هایپریون و لندست و مقایسه کارایی الگوریتم های بهینه سازی ازدحام ذرات و جستجوی گرانشی جهت تعیین ویژ گی های بهینه برای تفکیک اراضی فضای سبز و شالیزار می باشد. در این مطالعه از تصاویر ماهواره ای لندست، هایپریون و مجموعه داده های واقعی مربوط به منطقه ای در شمال ایران استفاده شده است. در این مطالعه کارایی الگوریتم های بهینه سازی ازدحام ذرات و جستجوی گرانشی جهت تعیین ویژ گی های بهینه و قابلیت تصاویر لندست و هایپریون برای تفکیک اراضی فضای سبز و شالیزار با استفاده از مجموعه ی داده های واقعی مقایسه گردید. برای ارزیابی نتایج از پارامترهای دقت کاربر، دقت تولید کننده، دقت کلی و ضریب کاپا استفاده شده است. نتایج پژوهش بیانگر این است که دقت کلی تفکیک اراضی فضای سبز و شالیزار با تصویر هایپریون 15 درصد بالاتر از تصویر لندست می باشد. بکارگیری شاخص های طیفی در فرایند طبقه بندی، سبب بهبود دقت تفکیک اراضی فضای سبز و شالیزار در هر دو داده لندست و هایپریون می گردد. همچنین استفاده از الگوریتم بهینه سازی برای تعیین ویژگی های بهینه و استفاده از ویژگی های بهینه در فرایند طبقه بندی سبب افزایش دقت تفکیک اراضی فضای سبز و شالیزار می گردد. با توجه به مقادیر دقت کلی، کارایی الگوریتم بهینه سازی جستجوی گرانشی برای تفکیک اراضی فضای سبز و شالیزار 2 درصد بهتر از الگوریتم ازدحام ذرات می باشد.
کلیدواژه ها:
نویسندگان
محمد کریمی فیروزجایی
دانشجوی دکتری گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
امیر صدیقی
دانشجوی دکتری گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
نجمه نیسانی سامانی
استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران
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 :