کاربرد الگوریتم طبقه بندی SVM بر روی تصویر سنجنده +ETM برای جداسازی کلاسهای مشابه طیفی
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,628
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
PWSWM02_215
Index date: 3 September 2013
کاربرد الگوریتم طبقه بندی SVM بر روی تصویر سنجنده +ETM برای جداسازی کلاسهای مشابه طیفی abstract
فناوری های جدید سنجش از دور در به تصویر کشدین محیطهای شهری مفید و مؤثر عمل نموده اند. مطالعه حاضر به بررسی عملکرد سه الگوریت طبقه بندی به نامهای حداقل فاصله، حداکثر احتمال و SVM بر روی تصاویر +ETM به منظور جداسازی کلاسهای مشابه طیفی می پردازد. در این تحقیق پس از انجام پیش پردازش ها، یک سری نقاط به عنوان داده های آموزشی از طریق نقاط ثبت شده GPS انتخاب شدند. سپس تصویر از طریق سه الگوریتم مذکور طبقه بندی شد. ارزیابی دقت بصری و عددی بین این سه الگوریتم انجام گرفت. ارزیابی عددی از طریق استخراج مشتقات ماتریس خطا شامل دقت کلی، ضریب کاپا صورت پذیرفت. نتایج بیانگر این است که روش طبقه بندی SVM پیکسلها را به طور دقیق تری جداسازی می کند، بویژه کارکرد این الگوریتم در جداسازی کلاسهای مشابه طیفی قابل ملاحظه است.
کاربرد الگوریتم طبقه بندی SVM بر روی تصویر سنجنده +ETM برای جداسازی کلاسهای مشابه طیفی Keywords:
کاربرد الگوریتم طبقه بندی SVM بر روی تصویر سنجنده +ETM برای جداسازی کلاسهای مشابه طیفی authors
فتاح حاتمی مسکونی
کارشناس ارشد سنجش از دور و سیستمهای اطلاعات جغرافیایی، گروه سنجش از دور، دانشگاه تهران، تهران، ایران
علی اسماعیلی
استادیار، گروه مهندسی سنجش از دور، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران
سیدکاظم علوی پناه
استاد، گروه سنجش از دور، دانشگاه تهران، تهران، ایران
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 :