OPTIMIZATION OF GAUSSIAN MIXTURE MODEL USING GENETIC ALGORITHM FOR LAND COVER CLASSIFICATION
- سال انتشار: 1395
- محل انتشار: کنفرانس بین المللی مهندسی معماری و شهرسازی
- کد COI اختصاصی: ARCHITECTUREUR01_037
- زبان مقاله: انگلیسی
- تعداد مشاهده: 803
نویسندگان
Dept. of Geomatics, College of Engineering, U. of Tehran, Iran
Dept. of Geography, Environmental Studies and Geomatics, U. of Ottawa, Ottawa, Canada
Dept. of Geomatics, College of Engineering, U. of Tehran, Iran
Dept. of Statistics, Faculty of Mathematics and Computer Science, Amirkabir University of Technology, Tehran, Iran
چکیده
Gaussian Mixture Models (GMMs) have been frequently applied in hyperspectral image classification tasks. The problem of estimating the parameters in a Gaussian mixture model has been studied in the literature. Expectation-Maximization (EM) algorithm is one of the methods that can be applied for this problem. EM is a general method for optimizing likelihood functions and is useful in situations where data might be missing or simpler optimization methods fail [1]. On the other hand, the large number of bands in a hyperspectral images leads into estimation of a large number of parameters. In this paper, we use the Genetic Algorithm (GA) for solving the high dimensionality of the data and optimizing the EM-GMM classifier. In order to evaluate the proposed algorithm in real analysis scenarios, we use two benchmark hyperspectral data sets collected by AVIRIS and Reflective Optics System Spectrographic Imaging System (ROSIS).کلیدواژه ها
Gaussian Mixture Model (GMM), EM algorithm, Genetic Algorithm (GA), classification, Dimension Reductionمقالات مرتبط جدید
- تدوین الگوی اسلامی ایرانی حکمرانی هوشمند شهری، اکولوژی پایدار و بازآفرینی هویت فرهنگی در پرتو گام دوم انقلاب
- بررسی بسترهای بوم شناختی در شکل گیری شهر ایرانی - اسلامی با رویکرد شهر پایدار (مطالعه موردی: بافت تاریخی بیرجند)
- تهویه طبیعی در معماری اسلامی: راه حل های سنتی برای طراحی پایدار
- سیستم های GIS با تاکید بر کاربرد آنها در مهندسی عمران
- تحلیل و نوآوری در طراحی سازه های بتنی و فولادی
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.