کارایی بالای الگوریتم ماشین بردار پشتیبان (SVM) جهت تفکیک دو طبقه جنگل و غیرجنگل در طبقه بندی تصاویر ماهواره ای

تفکیک دو طبقه جنگل و غیرجنگل بدلیل اختلاط طیفی آن ها، یکی از مشکلات مهم در طبقه بندی تصاویر ماهواره ای به منظور تهیه نقشه گستره جنگل می باشد. با توجه به تاثیر نوع الگوریتم مورد استفاده در کاهش یا افزایش میزان خطای طبقه بندی، استفاده از الگوریتم با کارایی بالا جهت تفکیک طبقات در تصاویر ماهواره ای ضروری است. لذا هدف اصلی این تحقیق معرفی کارایی بالای الگوریتم ماشین بردار پشتیبان (SVM) جهت تفکیک دو طبقه جنگل و غیرجنگل با اختلاط طیفی در طبقه بندی تصاویر ماهواره ای می باشد. در این تحقیق ضمن معرفی این الگوریتم، علت دقت بالای SVM نسبت به دیگر روش های طبقه بندی را می توان اینطور بیان نمود که این روش از قوانین بهینه سازی جهت مکان یابی مرزهای بهینه طبقه های کاربری استفاده می کند، در نتیجه جایگزین مناسبی برای سایر الگوریتم های معمول طبقه بندی است.

کلیدواژه ها:

اختلاط طیفی ، خطای طبقه بندی ، ماشین بردار پشتیبان (SVM) ، مرزهای بهینه