عملکرد طبقه بندی های با نظارت و بدون نظارت در تصاویر چند طیفی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,408
فایل این مقاله در 7 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:
AIHE06_036
تاریخ نمایه سازی: 31 تیر 1392
چکیده مقاله:
علم کسب اطلاعات از پدیده ها بدون تماس فیزیکی با آنها را سنجش از دور گویند. امروزه با رشد سریع فناوری، کاربرد سنجش از دور در محدوده ی اندازه گیری های طیفی و فراطیفی به منظور اهداف مدیریتی رو به فزونی است. یکی از مهمترین بخشهای پردازش داده های چند طیفی، انتخاب روش طبقه بندی مناسب به منظور تحلیل تصاویر می باشد. در این مقاله، کارایی طبقه بندی های متفاوت در تشخیص هشت کلاس مختلف، در تصاویر چند طیفی مورد بررسی قرار گرفت. این طبقه بندی ها شامل طبقه بندی های آماری، حداقل فاصله، KNN، سطوح موازی، شبکه های عصبی با نضارت (MLP و RBF) و ا لگوریتمهای بدون نظارت (K-Means و FCM) می باشند. همچنین از آنالیز اجزای ویژه، به منظور کاهش تعداد ویژگی و جلوگیری از وقوع پدیده هیوز استفاده گردید. نتایج نشان می دهد که خوشه بند MLP بهترین کارایی از نظر اعتبار، دقت و سرعت را دارد.
کلیدواژه ها:
نویسندگان
فرشته پورآهنگریان
عضو هیئت علمی گروه برق موسسه آموزش عالی آیندگان
سونا مرجب
عضو هیئت علمی موسسه آموزش عالی آیندگان
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 :