ارزیابی و مقایسه روش های ماشین بردار پشتیبان با کرنلهای خطی، چند جملهای و پایه شعاعی با شبکه عصبی مصنوعی جهت طبقه بندی کاربری اراضی
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 113
فایل این مقاله در 15 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:
JR_IJRDR-23-4_007
تاریخ نمایه سازی: 27 فروردین 1402
چکیده مقاله:
طبقه بندی تصویر همیشه یکی از موضوعات مهم در سنجش از دور است که اطلاعات بدست آمده در زمینه طبقه بندی تصویر به طور گسترده ای در برنامه های کاربردی دیگر مانند برنامه ریزی شهری، مدیریت منابع طبیعی، کشاورزی و غیره استفاده می شود. از آنجا که هدف اصلی از پردازش تصاویر ماهوارهای، تهیه نقشههای موضوعی و کارآمد میباشد، انتخاب الگوریتم مناسب طبقهبندی نقش زیادی در این امر ایفاء میکند. این مطالعه کارایی الگوریتمهای ماشین بردار پشتیبان (SVMs) را در طبقهبندی تصاویر ماهوارهای مورد بررسی و آن را با الگوریتم شبکه عصبی مصنوعی مورد مقایسه قرار میدهد. ماشینهای بردار پشتیبان یک گروه از الگوریتمهای طبقهبندی نظارت شده یادگیری ماشینی هستند که در زمینه سنجش از دور مورد استفاده قرار گرفته اند. در این مطالعه، الگوریتم های SVM برای طبقهبندی کاربری اراضی منطقه میمه با استفاده از دادههای ETM+ لندست مورد استفاده قرار گرفته است. طبقهبندی با استفاده از روش ماشینهای بردار پشتیبان، بصورت خودکار و با استفاده از سه نوع کرنل خطی، چند جملهای و شعاعی اجراء شده است. در ضمن، کارکرد این روش با روش طبقهبندی شبکه عصبی مصنوعی مقایسه شده است. نتایج نشان میدهد که میانگین دقت کل و ضریب کاپا الگوریتمهای SVM شامل کرنل خطی، چند جملهای و شعاعی نسبت به روش طبقهبندی شبکه عصبی مصنوعی از نظر دقت کل (حدود ۹%) و ضریب کاپا (حدود ۱۲%) برتری دارد. بنابراین این مطالعه کارایی و قابلیت الگوریتمهای SVM را در طبقهبندی تصاویر سنجش از دور اثبات مینماید.
کلیدواژه ها:
نویسندگان
حسن فتحی زاد
دانشجوی دکتری بیابان زدایی، دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد، ایران
عطا صفری
دانشجوی دکتری آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
مسعود بازگیر
استادیار دانشکده کشاورزی، دانشگاه ایلام، ایران
غلامرضا خسروی
دانشجوی دکتری آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :