مقایسه روشهای طبقه بندی ماکزیمم شباهت ، نزدیکترین همسایه و شبکه عصبی برای تصاویر ماهواره ای
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,426
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
GISLS01_114
تاریخ نمایه سازی: 19 تیر 1394
چکیده مقاله:
طبقه بندی یکی از تکنیک های مهم درتفسیرتصاویر سنجش از دورمی باشد که کاربرد زیادی در بررسی تغییراتزمین دارد.امروزه روشهای مختلف طبقه بندی مورد استفاده قرار می گیرد که در آنها کیفیت و کمیت نمونه های آزمایشیبرای تهیه نتایج طبقه بندی با کیفیت بالا بسیار حیاتی می باشند. در این مقاله از تصویر IKONOS تهیه شده از منطقه استفادهشد که هدف از این مطالعه مقایسه روشهای طبقه بندی ماکزیمم شباهت ، نزدیکترین همسایه و شبکه عصبی(ANN) برایتصاویر ماهواره ای می باشد. هر سه روش را به صورت نظارت شده اجرا شدند. برای مقایسه ی دقت روش ها از داده هایآموزشی وداده های تست یکسان برای هر سه روش استفاده شد. پس از مقایسه ی هر سه روش با تشکیل جدول خطا ومحاسبه دقت کل، روش شبکه عصبی بیشترین دقت را ارائه داد.
کلیدواژه ها:
نویسندگان
علی اکبر مهدویان چشمه گل
دانشجوی سنجش از دور وسیستم اطلاعات جغرافیایی دانشگاه آزاد یزد
شهرام محمد حسینیان
فارغ التحصیل کارشناسی ارشد سیستم اطلاعات جغرافیایی دانشگاه صنعتی خواجه نصیرالدین طوسی
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 :