بکارگیری توام یادگیری تعبیه شده و رگرسیون تنک به منظور بهبود دقت طبقه بندی مبتن یبر تلفیق داده های سه سنجنده ای راداری و اپتیکی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 491

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ESUD02_712

تاریخ نمایه سازی: 22 آبان 1395

چکیده مقاله:

در چند دهه اخیر انتخاب و آموزش ویژگی مورد توجه محققا ن زیادی قرار گرفته است در روشهای سنتی، آموزش و انتخاب ویژگی های بصورت جداگانه انجم می شود. د راین مقاله از روش انتخاب و آموزش نظارت شده همزمان ویژگی تحت عنوان بکارگیری توام یادگیری تعبیه شده و رگرسیون تتنک استفاده شد با توجه به اینکه تلفیق داده های چند سنجنده ای بدلیل وجود اطلاعات مکمل نقش به سزایی در بهبود دقت طبقه بندی دارد در این مقاله تلفیقه داده های راداری اپتیکی ALOS AVNIR _ ALOS PALSAR و ENVISAT بروش مبتنی بر ویژگی های انجام شد ویژگی های مکانی های بهینه صورت گرفت این ویژگی های بهینه شده بعنوان ورودی دو روش طبقه بندی ROF,SRC مورد استفاده قرار گرفتند مقایسه نتایج بکاریگری ویژگی های بهینه شده با نتایج روش بکاریگری ویژگی های بدون آموزش، بهبود دقت طبقه بندی ناشی از آموزش و انتخاب نظارت شده ویژگی های را نشان می دهد قابل ذکر است الگوریتم بکارگیری توام یاگیری تعبیه شده و رگرسیون تنک تابحال در داده های تلفیق شده راداری واپتیکی بکار گرفته نشده است.

کلیدواژه ها:

تلفیق ، مبتنی بر ویژگی های ، ویژگی های بافتی ، آموزش نظارت شده ویژگی ALOS

نویسندگان

دانیا کریمی

دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم زمین دانشگاه شهید چمران اهواز

کاظم رنگزن

دانشیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم زمین دانشگاه شهید چمران اهواز

غلامرضا اکبریز اده

استادیار گروه برق دانشکده مهندسی دانشگاه شهید چمران اهواز

مصطفی کابلی زاده

استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم زمین دانشگاه شهید چمران اهواز

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 :
  • Byun, Younggi., Choi, Jaewan., Han, Youkyung., (2013), «An Area-Based Image ...
  • Belkin M., and Niyogi, P. (2003), «Laplacian eigenmaps for dimensionality ...
  • Cao, Zongjie., Feng, Jilan., Min, Rui, Pi, Yiming., (2012), «NMF ...
  • Chen, Scot Sahobing., Donoho, David. and Saunders, Michael A., (2001), ...
  • Fukuda, Seisuke and Hirosawa, Haruto., (1999), «A wavelet-based texture feature ...
  • Gao, Xin., Cao, Zongjie., Zheng, Yingxi., Fan, Yong., Zhang, Qi., ...
  • Haralick, Robert., Shanmugan and Dinstein, Its hak., (1973), «Texturan Features ...
  • Hou, Chenping, Nie, Feiping Xuelong Li, Dongyun Yi, and Yi ...
  • Zhang, Xiangrong 0 , Jiao, Licheng., Liu, Fang., Bo, Liefeng ...
  • Zhang, Hongsheng., Lin, Hui., Li, Yu., (2015), «Impacts of Feature ...
  • Paatero, Pentti, , Tapper, Unto., (1994), «Positive matrix factorization. A ...
  • PourEbtehaj, Zoha. , R amachandram, Dhanesh., (2013), «Automatic Target Recognition ...
  • Roweis S. T., and Saul, L. K., (2000), «Nonlinear dimen ...
  • Rodriguez J. and Kuncheva, L. I., :Rotation forest: A new ...
  • Song, Benqin., Li, Jun., Dalla Mura, Mauro., Li, Peijun., Plaza, ...
  • نمایش کامل مراجع