مقایسه کارایی الگوریتم های حداکثر احتمال و ماشین های بردار پشتیبان SVMS در طبقه بندی تصاویر ماهواره ای حوزه آبخیز سیمینه رود
Publish place: The first national environmental conference
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 826
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ISFPNU01_233
Index date: 25 August 2014
مقایسه کارایی الگوریتم های حداکثر احتمال و ماشین های بردار پشتیبان SVMS در طبقه بندی تصاویر ماهواره ای حوزه آبخیز سیمینه رود abstract
استفاده از فناوری سنجش از دور به عنوان بهترین وسیله برای آشکار سازی و ارزیابی کاربری ها شناخته شده است اما با توجه به روش های متنوع آن، انتخاب الگوریتم مناسب نقش زیادی در طبقه بندی صحیح کاربری ها ایفا می کند. از میان انواع مختلف روش های طبقه بندی، الگوریتم حداکثر احتمال به عنوان یکی از پرکاربرد ترین و دقیق ترین روش ها و الگوریتم ماشین های بردار پشتیبان به عنوان یک تکنیک جدید در کارهای سنجش از دور مطرح می باشند. در تحقیق حاضر نیز از این دو الگوریتم برای طبقه بندی تصویر لندست 8 سال 2013 حوزه آبخیز سیمینه رود استفاده و دقت آن ها مقایسه گردید. به طور کلی در حوزه آبخیز سیمینه زرد، پنج طبقه کاربری اراضی، شامل مناطق مسکونی، اراضی آبی، اراضی دیم، مراتع و منابع آب مشاهده شد. پس از انجام تصحیحات مورد نیاز، کار استخراج نقشه کاربری ها در محیط نرم افزار ENVI4.7 به دو روش حداکثر احتمال و ماشین های بردار پشتیبان و با داده های رقومی ماهواره لندست 8 انجام گرفت. نتایج نشان داد که هر دو الگوریتم دارای دقت قابل قبولی می باشند. ولی کرنل های شعاعی و چند جمله ای الگوریتم ماشین های بردار پشتیبان به ترتیب با صحت کلی (94و 93) و ضریب کاپای (89 و 90) دارای دقت بالاتری نسبت به الگوریتم حداکثر احتمال می باشند.
مقایسه کارایی الگوریتم های حداکثر احتمال و ماشین های بردار پشتیبان SVMS در طبقه بندی تصاویر ماهواره ای حوزه آبخیز سیمینه رود Keywords:
مقایسه کارایی الگوریتم های حداکثر احتمال و ماشین های بردار پشتیبان SVMS در طبقه بندی تصاویر ماهواره ای حوزه آبخیز سیمینه رود authors
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 :