ادغام تصمیمگیری طبقهبندی های با نظارت و بدون نظارت بر تصاویر چند طیفی سنجش از دور به کمک طبقهبندی های دو کلاسی
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,320
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP08_100
تاریخ نمایه سازی: 9 بهمن 1392
Abstract:
در این مقاله از قاعده ادغام تصمیمگیری جهت ترکیب نقشههای کلاس حاصل از دو طبقه بندی با نظارت حداکثر احتمال و بدون نظارت کلاسترینگ k-means با دو معیار متریک نرم L1,L2 به منظور افزایش صحت و اعتبار طبق بند با نظارت حداکثر احتمال استفاده میشود. بچههای کلاس حاصل از دو طبق بند مذکور به عنوان ورودیهای بحث ادغام تصمیمگیری به کار میرود و سپس با اعمال چهار طبقه بندی دو کلاسی حداقل فاصله ماهانوبیس ، نزدیکترین همسایه k تایی ، ماشین بردار پشتیبان با کرنل خطی و گوسی به این بخش، صحت و اعتبار گل نقش کلاس نهایی در تصاویر جدیدی سنجش از دور ارزیابی میشود. نشان داده میشود که مال طبقهبندی هایده کلاسی به بحث ادغام تصمیمگیری سبب بهبود صحت و اعتبار نقش کلاس نهایی و کاهش تغییرات کیفی درون کلاسی در نواحی همگن طیفی میگردد. همچنین به کارگیری طبق بند ماشین بردار پشتیبان با کرنل گوسی بهترین اعتبار کل و طبق بند نزدیکترین همسایه kتایی بهترین صحت گل را به کمک نمونههای آموزشی تصادفی محدود داشت و به عنوان مناسبترین طبقهبندی هایده کلاسی ما شده به بحث ادغام تصمیمگیری در مقایسه با دیگر تکنیکهای ادغام معصومی چون رأی اکثریت و رأی اکثریت وزن دهی MV,WMV بوده و دارای مزایایی چون کاهش پیچیدگی محاسباتی و زمان پردازش است.
Keywords:
صحت و اعتبار کل طبقهبندی , ادغام در سطح تصمیمگیری , تحلیل مؤلفههای اصلی , ماشین بردار پشتیبان , طبق بند با نظارت و بدون نظارت
Authors
فاطمه کوکبی
دانشجوی دکترای مخابرات بخش مهندسی برق و کامپیوتر - دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
حسن قاسمیان
استاد بخش مهندسی برق و کامپیوتر - دانشکده فنی و مهندسی - دانشگاه تربیت مدرس تهران
علی امیری
دانشگاه زنجان - دانشکده مهندسی - گروه کامپیوتر - آزمایشگاه پردازش ویویو و تصویر
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 :