CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

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

عنوان مقاله: 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
شناسه ملی مقاله: ESUD02_712
منتشر شده در دومین کنگره بین المللی علوم زمین و توسعه شهری در سال 1395
مشخصات نویسندگان مقاله:

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

خلاصه 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.

کلمات کلیدی:
تلفیق، مبتنی بر ویژگی های ، ویژگی های بافتی، آموزش نظارت شده ویژگی ALOS

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/526560/