برر سی سه روش حداکثر احتمال، فاز ی و یادگیری عمیق در ارزیابی تغییرات کاربری اراضی

با افزایش جمعیت نیاز به مسکن و استفاده از منابع انرژی در سال های اخیر بیشتر شده است. به همین دلیل کارخانه های صنعتی جهت تولید انرژی و ساخت اماکن مسکونی گسترش یافته، در نتیجه باعث تغییر کاربری اراضی شده است. امروزه الگوریتم ها و مدل های مختلف پژوهش های مبتنی بر شبکه عصبی، جای خود را در میان طبقه بندی تصاویر به خوبی باز کرده اند. هدف اصلی این ا لگوریتم ها این است که در شبکه های مصنوعی، ماشین به شکلی آموزش بینند که در نهایت تشخیصی نزدیک مغز انسان داشته باشد. در این مقاله به صورت مروری سه روش تحلیل کاربری اراضی که عبارت اند از حداکثر احتمال، فازی و یادگیری عمیق مورد مقایسه قرار گرفته شد. برای ارزیابی، دو عامل شاخص ضریب کاپارای و شاخص صحت کلی برای هر سه هر روش مورد بررسی قرار گرفته شد. نتایج نشان داد روش یادگیری عمیق دارای ضریب کاپارای و شاخص صحت کلی بیشتری نسبت به دو روش حداکثر احتمال و فازی است.

Keywords:

تغییرات کاربری اراضی , حداکثر احتمال , فازی , یادگیری عمیق