کاربرد الگوریتم طبقه بندی SVM بر روی تصویر سنجنده +ETM برای جداسازی کلاسهای مشابه طیفی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,504
فایل این مقاله در 14 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:
PWSWM02_215
تاریخ نمایه سازی: 12 شهریور 1392
چکیده مقاله:
فناوری های جدید سنجش از دور در به تصویر کشدین محیطهای شهری مفید و مؤثر عمل نموده اند. مطالعه حاضر به بررسی عملکرد سه الگوریت طبقه بندی به نامهای حداقل فاصله، حداکثر احتمال و SVM بر روی تصاویر +ETM به منظور جداسازی کلاسهای مشابه طیفی می پردازد. در این تحقیق پس از انجام پیش پردازش ها، یک سری نقاط به عنوان داده های آموزشی از طریق نقاط ثبت شده GPS انتخاب شدند. سپس تصویر از طریق سه الگوریتم مذکور طبقه بندی شد. ارزیابی دقت بصری و عددی بین این سه الگوریتم انجام گرفت. ارزیابی عددی از طریق استخراج مشتقات ماتریس خطا شامل دقت کلی، ضریب کاپا صورت پذیرفت. نتایج بیانگر این است که روش طبقه بندی SVM پیکسلها را به طور دقیق تری جداسازی می کند، بویژه کارکرد این الگوریتم در جداسازی کلاسهای مشابه طیفی قابل ملاحظه است.
کلیدواژه ها:
نویسندگان
فتاح حاتمی مسکونی
کارشناس ارشد سنجش از دور و سیستمهای اطلاعات جغرافیایی، گروه سنجش از دور، دانشگاه تهران، تهران، ایران
علی اسماعیلی
استادیار، گروه مهندسی سنجش از دور، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران
سیدکاظم علوی پناه
استاد، گروه سنجش از دور، دانشگاه تهران، تهران، ایران
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 :