کاربرد الگوریتم طبقه بندی SVM بر روی تصویر سنجنده +ETM برای جداسازی کلاسهای مشابه طیفی
- سال انتشار: 1392
- محل انتشار: دومین کنفرانس بین المللی مدلسازی گیاه، آب، خاک و هوا
- کد COI اختصاصی: PWSWM02_215
- زبان مقاله: فارسی
- تعداد مشاهده: 1660
نویسندگان
کارشناس ارشد سنجش از دور و سیستمهای اطلاعات جغرافیایی، گروه سنجش از دور، دانشگاه تهران، تهران، ایران
استادیار، گروه مهندسی سنجش از دور، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران
استاد، گروه سنجش از دور، دانشگاه تهران، تهران، ایران
چکیده
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
طبقه بندی، SVM، کلاسهای مشابه طیفی، +ETMمقالات مرتبط جدید
- رویکرد اخیر صیادان در تنوع بخشی بهابزار صید گرگور به منظور استحصال آبزیان خلیج فارس (بندر بوشهر)
- نقش منابع طبیعی و محیط زیست در امنیت غذایی
- تهیه فرآورده های پروتئینی از آبزیان
- بررسی پیشرفت های اخیر در پژوهشهای بیوتکنولوژی مواد غذایی
- تغییرات شیمیایی رخ داده در طی فرآیند سرخ کردن در روغن زیاد بر اساس برخی محصولات واکنش
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.