انتخاب پارامترهای تکنیک SVM توسط الگوریتم ژنتیک جهت طبقه بندی داده های LiDAR
- سال انتشار: 1395
- محل انتشار: دومین کنفرانس ملی مهندسی فناوری اطلاعات مکانی
- کد COI اختصاصی: NCEGIT02_053
- زبان مقاله: فارسی
- تعداد مشاهده: 472
نویسندگان
مربی گروه سنجش از دور و GIS دانشگاه شهید بهشتی
استادیار گروه سنجش از دور و GIS دانشگاه تهران
دانشجوی دکترای سنجش از دور دانشگاه شهید بهشتی
کارشناس ارشد سنجش از دور و GIS دانشگاه شهید بهشتی
چکیده
طبقه بندی یک مرحله مهم در استخراج اطلاعات از تصاویر سنجش از دور است. SVM یک روش طبقه بندی نظارت شده است که قادر به غلبه بر مشکلاتی نظیر کم بودن تعداد داده های آموزشی، توزیع غیرخطی کلاس ها و بزرگ بودن ابعاد فضای ویژگی می باشد. یک محدودیت در بکارگیری SVM انتخاب مقدار مناسب برای پارامترهای ورودی آن است چرا که کارایی این روش به شدت تحت تاثیر مقادیر این پارامتر است. در این تحقیق از الگوریتم بهینه سازی ژنتیک جهت غلبه بر این محدودیت استفاده می شود. الگوریتم ژنتیک به کار گرفته شده در این تحقیق از Individual هایی استفاده می کند که به روش مقادیر حقیقی کدگذاری شده اند. از معیار Kappa بهعنوان تابع برازندگی و همچنین از روش های Arithmetic و Non-uniform به ترتیب برای عملگرهای ترکیب و جهش استفاده می شود. الگوریتم ارائه شده بروی یک مجموعه داده لیدار مربوط به منطقه ای در غرب آلمان پیاده سازی شد و نتایج آن با روش سنتی جستجوی شبکه ای مقایسه گردید. نتایج این ارزیابی حاکی از مقدار 96.22 درصد دقت کلی و کاپای 0.951 می باشد که در مقایسه با روش جستجوی شبکه ای نتایج بهتری را ارائه داده است.کلیدواژه ها
ماشین بردار پشتیبان، الگوریتم ژنتیک، لیدار، انتخاب پارامتراطلاعات 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.