طبقه بندی تصاویر ماهوارهای با استفاده از تلفیق داده های طیفیETM و غیرطیفی ارتفاعی با شبکه نروفازی

هماهنگی عمل بین شبکه های عصبی و مجموعه های فازی منجر به ایجاد شبکه ای تحت عنوان شبکه نروفازی شده است، همانطور که از نام این شبکه پیداست این شبکه تلفیقی از شبکه های عصبی و شبکه های فازی می باشد. در حقیقت در این روش پردازش درسطح مفهومی تری نسبت به سطح عددی انجام میشود و با ارائه رول هایی که از ترکیب ترم های لفظی 1 حاصل میشود، قابلیت تفسیر بیشتر میشود و این مزیت بالایی است که با شبکه های نروفازی حاصل میشود. محدودیت های کاربرد شبکه های نروفازی به گونه ای است که دقت حاصله را خیلی کاهش نمیدهد.گفته میشود که؛ شبکه های عصبی با ساختار ساده تمایل کمتری برای متناسب شدن با مجموعه داده آموزشی دارند. چنین سیستم هایی توانایی عمومیت دادن و طبقه بندی دقیقتر داده مشاهده نشده را دارند. شبکه های عصبی استاندارد اغلب دقیقتر بوده اند ولی برای تشریح و تفسیر مشکلتر هستند. به دلیل اینکه در شبکه های نروفازی عملیات در سطح مفهومی تری انجام میشود، مؤلفه ها معانی قابل فهم و غیرمبهمی دارند. این مؤلفه ها مشخص میکنند که تصمیم گیری های طبقه بندی به چه صورت اتخاذ شود و بدین ترتیب تفسیر اطلاعات با دقت بالاتری انجام میپذیرد. در این مقاله، قابلیت تفسیر شبکه های نروفازی برای مسئله طبقه بندی تصاویر ماهوارهای بررسی میشود. در این بررسی چگونگی طبقه بندی پوشش زمینی با استفاده از اطلاعات طیفی و غیر طیفی در ترم های نروفازی بیان می شود.