مروری جامع بر روش های یادگیری ماشین و انتخاب ویژگی با تاکید بر موضوع طبقه بندی در کاربردهای سنجش ازدوری

امروزه با توجه به پتانسیل بالای تصاویر ماهواره ای و پیشرفت روزافزون تکنولوژی های اخذ اطلاعات از فضا، یکی از سریع ترین با صرفه ترین راه های تهیه نقشه، استفاده از داده های سنجش از دور می باشد. با توجه به اینکه داده های اخذ شده توسط این سنسورها، حاوی سطح بالایی از جزئیات هستند و تفسیر دستی بسیار وقت گیر و پر هزینه است و در صورت بروز شرایط بحرانی نظیر زلزله، برای سازمان دهی اقدامات فوری، نقشه برداری سریع ضروری است، به منظور کاهش زمان و هزینه، اتوماسیون موردنیاز خواهد بود. تکنیک های یادگیری ماشین ثابت کرده اند که برای سیستم هایی که با حجم بالای داده ها سر و کار دارند مناسب بوده و روش های انتخاب ویژگی به عنوان راهی برای کاهش زمان محاسبات، بهبود عملکرد پیش بینی و درک بهتر داده ها در کاربردهای یادگیری ماشین می توانند مثمر ثمر واقع شوند. بر این اساس در این مقاله مروری جامع بر روش های یادگیری ماشین و انتخاب ویژگی با هدف ارائه یک دیدگاه کلی بر قابلیت ها و مئارد کاربرد این روش ها ارائه شده است. بدین منظور، با توجه به مزایا و محدودیت های روش های مورد بررسی، در نهایت نتایج به صورت مقایسه تحلیلی و جدول مدون ارائه گردید. در نتیجه برای یک کاربرد، الگوریتم یادگیری ماشین و انتخاب ویژگی می تواند براساس مواردی چون دقت طبقه بندی و زمان محاسبات موردنیاز انتخاب گردد.

کلیدواژه ها:

روش های یادگیری ماشین ، روش های انتخاب ویژگی ، طبقه بندی ، سنجش از دور