مقایسه روش SVM با کرنلهای چندجمله ای و پایه شعاعی با شبکه عصبی برای تفکیک پوشش گیاهی وخاک درتصویر ماهواره ای ETM+
Publish place: Geomatics 1390
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,310
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
GEO90_109
تاریخ نمایه سازی: 18 تیر 1391
Abstract:
پوشش زمین یک متغیراساسی برای ایجاد ارتباط بین محیط فیزیکی و انسانی میباشد بطور منطقی تنها منبع ممکن اطلاعات درمورد پوشش زمینی برای نواح بزرگ که اجازه میدهد داده های مورد نیاز بطور مرتب تکرار شوند سنجش از دور است بهبود طبقه بندی تصاویر ماهواره ای یکی از مسائل مهم و حائز اهمیت درسنجش از دور می باشد ماشین بردار پشتیبان اخیر توجه جامعه سنجش ازدوری را به خود جلب کردها ست هدف ما دراین جا این است که توانایی این الگوریتم را دراستخراج پوشش زمینی از سنجنده های سنجش از دوری به اثبات برسانیم و به عملکرد آن را درمقایسه با شبکه عصبی ارزیابی کنیم همچنین پارامترهای مختلفی که دردقت طبقه بندی تاثیر می گذارد مانند تعدادمتغیرها درتصویرچندطیفی و برای روش svm کرنلهای آموزشی ارزیابی میشوند و نتایج با استفاده از ماتریس ابهام به صورت نمودار نشان داده می شود.
Keywords:
سنجش ازدور طبقه بندی ماشین بردار پشتیبان - توابع کرنلی - ماتریس ابهام
Authors
مینا زلفی
کارشناس ارشد سنجش ازدور و GIS
مهدی مومنی
استادیار دانشگاه اصفهان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :