طبقهبندی نیمه نظارت شده تصاویر با استفاده از الگوریتم ژنتیک و شبکه عصبی
محل انتشار: اولین کنفرانس ملی محاسبات نرم و علوم شناختی
سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 133
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SCCS01_042
تاریخ نمایه سازی: 11 دی 1401
چکیده مقاله:
در این مقاله یک روش طبقه بندی نیمه نظارت شده تصاویر ماهواره ای با استفاده از الگوریتم ژنتیک (GA) وشبکه عصبی شعاعی پایه تابع (RBFNN) ارائه شده است طبقه بندی تصاویر ماهواره ای دو مشکل مهم دارند مشکل اول پیکسلهای مخلوط هستند و مشکل دوم مدیریت حجم بالای اطلاعات این تصاویر است. عملکرد RBFNN با یک شبکه کارآمد با مجموعه ای بزرگ از پارامترهای قابل تنظیم که قادر به تعمیم نتایج است میتواند انتخاب مناسبی برای حل این مشکل باشد در این مقاله شاخصهای طیفی برای انتخاب نقاط و GA نیز برای آموزش شبکه مورد استفاده قرار گرفت این روش برای طبقه بندی تصاویر سنجش از دور برای شناسایی مناطق سیلاب گرفته این ناحیه به کار گرفته شده است عملکرد این روش مورد تجزیه و تحلیل قرار گرفته و با سه روش ارزیابی دقت ،کاربر دقت عملکرد و ضریب کاپا محاسبه گردید این ضرایب دقت بالا و عملکرد مناسب این روش را تائید نمودند.
کلیدواژه ها:
نویسندگان
مصطفی برهانی
استادیار، دانشگاه شهید بهشتی