تعیین ساختاربهینه و مقایسه هسته های مختلف ماشین بردار پشتیبان در طبقه بندی تصاویرابرطیفی

دقت بدست آمده از طبقه بندی نظارت شده بستگی به فاکتورهایی مانند انتخاب الگوریتم طبقه بندی داده های آموزشی مناسب و انتخاب پارامترهای طبقه بندی کننده دارد اخیرا ماشین بردار پشتیبان بطور وسیعی درطبقه بندی تصاویر ابرطیفی مورد استفاده قرارمیگیرد دراینم قاله به طبقه بندی تصاویر ابرطیفی با استفاده از ماشین بردار پشتیبان می پردازیم درآموزش این طبقه بندی کننده نیاز به تعیین نمونه های آموزشی مناسب انتخاب هسته و پارامترهای آن و انتخاب پارامتر حاشیه داریم دراین مقاله هدف تعیین ساختار بهینه هسته و سپس آموزش این طبقه بندی کننده با درصد نمونه های آموزشی متفاوت درتوابع هسته های آن می باشد با توجه به نتایج بدست آمده به ترتیب هسته های مناسب عبارتنداز هسته ی گاوسین و چندجمله ای هسته خطی و هسته پرسپترون چندلایه با نمونه های آموزشی محدود هم به دقت خوبی می رسیم طوریکه با 10 درصد نمونه آموزشی به دقت کلی 86 رسیده ایم هسته خطی نسبت به تغییر نمونه های آموزشی پایداری بیشتری دارد.