بهبود طبقه بندی تصاویر ابرطیفی سنجش از دور به کمک یادگیری تجمعی

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 406

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NEEC04_057

تاریخ نمایه سازی: 11 شهریور 1397

چکیده مقاله:

در این مقاله یک روش مبتنی بر یادگیری تجمعی برای قطعه بندی تصاویر ابرطیفی سنجش از راه دور با ترکیب الگوریتم های طبقه بند پایه مانند نایو بیزین ( NB )، کا نزدیک ترین همسایه ( KNN ) و درخت تصمیم ( DT ) معرفی شده است. پس از اجرای رای گیری وزن دار یک فیلتر میانه برای تصحیح خطای طبقه بندی به کار برده شده است که دقت قطعه بندی را به طور قابل ملاحظه ای افزایش می دهد. برای بررسی روش پیشنهادی از دو مجموعه داده ی Indian pines و Salinas استفاده شده است. نتایج شبیه سازی نشان می دهند که روش پیشنهادی در مقایسه با روش های رای گیری ساده و رای گیری وزندار حداقل سه درصد دقت بالاتری دارد.

کلیدواژه ها:

نویسندگان

زهرا محمدیان میرآبادی

دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

منصور زینلی

مرکز تحقیقات پردازش دیجیتال و بینایی ماشین، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران