بهبود روش استخراج ویژگی غیرپارامتریک وزن دار با استفاده از ترکیب خطی نمونه های آموزشی در تصاویر ابرطیفی

  • سال انتشار: 1388
  • محل انتشار: نشریه سنجش از دور و GIS ایران، دوره: 1، شماره: 2
  • کد COI اختصاصی: JR_GIS-1-2_007
  • زبان مقاله: فارسی
  • تعداد مشاهده: 311
دانلود فایل این مقاله

نویسندگان

محسن قمری اصل

دانشگاه خواجه نصیرالدین طوسی

محمدجواد ولدان زوج

دانشگاه خواجه نصیرالدین طوسی

برات مجردی

دانشگاه شهید رجایی

چکیده

در این تحقیق، روشی برای بهبود استخراخ ویژگی غیرپارامتریک زون دار ارائه شده است، که در مسائل تشخیص الگو در فضاهای با ابعاد بالا استفاده می گردد. روش استخراج غیرپارامتریک زون دار بر اساس بسط غیرپارامتریک ماتریس های پراکندگی قرار گرفته است، که پارمترهای مانگین آن ها به طور جداگانه برای هر نمونه و با استفاده از مجموع وزن دار نمونه های سایر کلاس ها محاسبه می شود. وزن هر یک از این نمونه ها بر اساس فاصله اقلیدسی آن ها از نمونه اصلی (نمونه تحت بررسی) محاسبه می گردد. اما تنها با استفاده از پارامتر فاصله نمی توان پراکندگی نمونه ها را به طور کامل بیان کرد، و محل قرار گیری آن ها نیز در بیان پراکندگی نمونه ها موثر است. بدین معنی که ممکن است دو نمونه که فواصل یکسانی از نمونه صلی (نمونه تحت بررسی) دارند، وابستگی شان به آن نمونه یکسان نباشد. به عنوان ممکن است که یکی از آن ها کامله به نمونه اصلی وابسته باشد و دیگری کاملا مستقل از آن باشد. از سوی دیگر، این وابستگی ها با ترکیب خطی آن ها مرتبط است. چرا که در حالت ایده آل انتظار می رود نمونه های یک کلاس، کاملا ترکیبی خطی از یکدیگر باشند و نمونه های کلاس های متفاوت کاملا مستقل از هم باشند. از این رو، ترکیب خطی بین نمونه ها در تعیین پراکندگی ها موثر خواهد بود. در پژوهش حاضر، با استفاده از پارامتر مهم ترکیب خطی، نتیجه روش استخراخ ویژگی غیرپارامتریک وزن دار بهبود یافته است. نتایج نشان می دهند که روش ارائه شده در اکثر کلاس ها و به یوژه در کلاس های بحرانی که تشابه طیفی بالایی نسبت به هم دارند، بهتر از روش استخراج ویژگی غیرپارامتریک وزن دار عمل کرده است. بهترین نتیجه به دست آمده دارای دقت کلی بیش از ۸۲ درصد یا ضریب کاپایی بهتراز ۸۰ درصد بوده است.

کلیدواژه ها

کلیدواژ: استخراج ویژگی غیرپارامتریک وزن دار (NWFE), ترکیب خطی, کاهش ابعاد, طبقه بندی

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.