مقایسه الگوریتم های ماشین بردار پشتیبان و نزدیکترین همسایه جهت طبقه بندی تصاویر در روش شی ء گرا با استفاده از داده های ماهواره ی سنتینل 2
محل انتشار: دومین همایش ملی مهندسی عمران و توسعه پایدار
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 509
فایل این مقاله در 7 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:
ESTAHBANCCE02_135
تاریخ نمایه سازی: 16 تیر 1397
چکیده مقاله:
طبقه بندی صحیح عوارض محیطی در تصاویر ماهواره ای یکی از دغدغه های اصلی کاربران سنجش از دور می باشد که بسیاری از الگوریتم ها برای این منظور توسعه یافته اند. این بررسی مقایسه ای است بین الگوریتم های ماشین برداز پشتیبان (svm) و نزدیکترین همسایه (knn) در طبقه بندی تصاویر ماهواره ای. در این بررسی از هر دو الگوریتم جهت طبقه بندی محدوده ی شهر شیراز با استفاده از داده های ماهواره سنتینل2 استفاده شده است.کلاسه بندی در روش شی ء گرا با الگوریتم svm در کرنل شعاعی با گامای0/03 و الگوریتم knn با تعداد k=1 همسایه صورت گرفته است و تصویر با سطح مقیاس(50 (scale level درصد و سطح ادغام (merge level) به مقدارهای 50 و 75 و 95 درصد کلاسه بندی شده اند. نتایج نشان می دهند که الگوریتم svm با میانگین ضریب کاپای 0/77 از کارایی بیشتری نسبت به الگوریتم knn با ضریب کاپای 0/68 برخوردار است.
کلیدواژه ها:
نویسندگان
علی زارع خفری
دانشجوی کارشناسی ارشد مهندسی نقشه برداری-سیستم های اطلاعات جغرافیایی دانشگاه آزاد استهبان.
علیرضا حامدیان فر
استادیار گروه نقشه برداری، استهبان، دانشگاه آزاد اسلامی، استهبان، ایران.