بخش بندی تصاویر لیدار با استفاده ازخوشه بندی بهینه سازی ازدحام ذرات درمنطقه شهری
محل انتشار: پنجمین همایش پژوهش های نوین در علوم و فناوری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 504
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMAA05_116
تاریخ نمایه سازی: 14 آذر 1395
چکیده مقاله:
یکی از اقدامات اساسی در تغییر داده های LIDAR به موضوع های هدفمنددر مناطق شهری شامل تقسیم بندی این داده ها به واحدهای مربوطه ازطریق فرآیند دسته بندی میباشد. باید وجود، بعلت پیچیدگی صحنه و گوناگونی اهداف در مناطق شهری، از جمله،ساختمانها، جاده ها و درختان،آشکار است که کاربرد دسته بندی تنها یک دلی میباشد که کافی نییت. با توجه به دردسترس بودن منابع داده های اضافی، مانند محدوده لیزر و اطلاعات شدت دراولین و اخرین اکو اطلاعات بیشتررامیتوان درفرایند دسته بندی و در نهایت به صورت طرح شناخت و بازسازی بدست آورد. ویژگی چند بعدی بودن داده های LIDAR با نمونه بارداری متراکم فاصله ای در منطقه شهری اطلاعات زیادی در اختیار میگذارد.این اطلاعات مشکلات زیادی را در پیدا کردن شرایط جهانی در بسیاری از تکنیک هاایدسته بندی قدیمی بوجود می آورد. این مقاله پتانسیل الگوریتم بهینه سازی ازدحام ذرات ) pso ( را جهت دستیابی به راه حل های جهانی برای مشکل دسته بندی داده های چند بعدی LIDAR در منطقه شهری توصیف می کند. این الگوریتم یک نوع هوش ازدحامی )گروهی( بر مبنای اصول روانشناختی اجتماعی است و بینشی جهت رفتار اجتماعی و همچنین کمک به ایجادبرنامه های کاربردی مهندسی فراهم میکند.با ادغام الگوریتب خوشه بندی k-means با قابلیت الگوریتم pso ، این مقاله یک روش خوشه بندی قوی و کارآمد است که میتواند مشکل مقدار مطلوب منطقه ای تکنیک k-means را حل کند
کلیدواژه ها:
نویسندگان
عبدالله عبرتاوی
کارشناسی ارشد،دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد شادگان
علی امین رشیدی فر
کارشناسی ارشد،دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد شادگان
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 :