طبقه بندی داده هایی با ابعاد زیاد سنجش از دوری با تعداد نمونه آموزشی محدود

سال انتشار: 1381
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,107

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP02_050

تاریخ نمایه سازی: 20 مهر 1390

چکیده مقاله:

به کمک فن آوری جدید ابر طیف سنجی(Hyperspectral Imaging تعداد باندهای طیفی و حجم اطلاعات مربوط به یک صحنه بشدت افزایش یافته است، این در حالی است که امکان دسترسی به نمونه های آموزشی به تعداد کافی، میسر نبوده و یا بسیار هزینه بر می باشد . محدود بودن تعداد نمونه های آموزشی سبب شده است که کارایی روش های کلاسیک طبقه بندی داده های سنجش از دور، مطلوب نباشند . در این مقاله برای حل این معضل از فرآیند ادغام تصمیم گیری است که بالاترین سطح فن آوری ادغام اطلاعات می باشد، استفاده می شود . به این ترتیب که طیف های موجود در یک تصویر، بر اساس معیارهای مختلفی از جمله همبستگی، به چند دسته کوچک تقسیم شده و اطلاعات هر دسته بعنوان داده های یک منبع جدید در نظر گرفته می شود. منابع حاصله بصورت مجزا مورد بررسی قرار گرفته و بر اساس الگوریتم های مختلف، از قبیل حداکثر احتمال و شبکه عصبی طبقه بندی اولیه می شوند. تصمیم نهایی بر اساس ادغام نتایج طبقه بندی های اولیه، با استفاده از الگوریتم های مناسب اتخاذ م ی گردید. این روند روی داده های واقعی اجرا ش د و نتایج با استفاده از معیارهای مختلف مانند درجه صحت، درجه اعتبار و نقشه طبقه بندی مورد تجزیه تحلیل کمی و کیفی قرار گرفتند . نتایج نشان می دهد که این روش می تواند مشکل محدود بودن تعداد نمونه های آموزشی در داده های ابرطیفی را تا حد قابل توجهی جبران نماید

نویسندگان

محمدحسن قاسمیان

استاد گروه مخابرات دانشگاه تربیت مدرس – بخش مهندسی برق

حمید دهقانی

دانشجوی دکتری مخابرات

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 :
  • حمید دهقانی " طبقه‌بندی تصاویر چند طیفی چندماهواره‌ای سنجش از ...
  • Richards A. John, and Xiuping Jia, Remote sensing digital image ...
  • Lui O. Jimenez, Anibal M. Morell and A Creus, :Classification ...
  • Jon A. Benediktsson and Ioannis Kanellopoulos, "Classification of multisource and ...
  • G. Giorgio, R. Fabio and L. Bruzzone, :Combination of neural ...
  • Process Mode] for Remote Seneing Data Analysis", IEEE Tran. A:ه ...
  • Q. Jackson and D Landgrebe, "An Adaptive classifier design for ...
  • , 13 7328 62, 80 72, 49 75, 44 ...
  • نمایش کامل مراجع