مقایسه دقت الگوریتم شبکه عصبی NNC و یادگیری ماشین SVM در شناسایی وطبقه بندی آسیب خیابانهای شهری با استفاده از تصاویر پهپادی مطالعه بخشی از خیابانهای شهر یزد
Publish place: The first national conference on civil engineering, architecture and urban management
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 268
This Paper With 9 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:
CEAM01_053
تاریخ نمایه سازی: 7 بهمن 1401
Abstract:
حفظ و نگهداری از راه ها همواره جزو مواردی میباشد که در حوزه های مختلف مدیریت و توسعه شهری مورد بحث قرار میگیرد. مطالعه آسیبهای مربوط به آسفالت به دلیل نیاز به تصاویری با قدرت مکانی بالا نیازمند روشهای مبتنی بر سیستمهای سنجش از دوری و باشد. پژوهش حاضر قصد دارد تا با استفاده از تصویر پهپادی به ارزیابی و مقایسه دو الگوریتم شبکه عصبی مصنوعیNNCویادگیری ماشین ماشین بردار پشتیبان (SVM) در تفکیک ترک آسفالت شهری بپردازد نتایج به دست آمده از پژوهش حاضر بیانگر دقت عملکرد بیشتر الگوریتم SVM در تفکیک و طبقه بندی ترک از آسفالت با دقت کلی %۹۱ و ضریب کاپای %۸۶% نسبت به روش NNC با دقت کلی و ضریب کاپای به ترتیب %۸۹ و ۸۵ بود نتایج همچنین بیانگر دقت عملکرد بهتر الگوریتم SVM با دقت تولید کننده ۷۳/۵ و دقت ود کاربر ۹۷/۲ در تفکیک دو کلاس به ترتیب ترک و آسفالت نسبت به NNC .بود نتایج به دست آمده از پژوهش حاضر به منظور استفاده از سنجش از دور و الگوریتم بهینه از بین دو الگوریتم مطالعه شده در پژوهش پیش رو در مطالعات مربوط به کیفیت آسفالت و روسازی آن مورد برنامه ریزان شهری و پژوهشگران راه و شهرسازی قرار بگیرد.
Keywords:
سنجش از دور -آسفالت -شبکه عصبی مصنوعی -ماشین بردار پشتیبان
Authors
حمیدرضا غفاریان مالمیری
استادیار سنجش از دور دانشگاه یزد یزد ایران
نگار نقی پور
دانشجوی کارشناسی ارشد سنجش از دور دانشگاه یزد یزد ایران
محمد منصورمقدم
دانشجوی دکتری سنجش از دور دانشگاه شهید بهشتی تهران ایران
احمد مزیدی
دانشیار اقلیم شناسی دانشگاه یزد یزد ایران