سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

استفاده از استخراج ویژگی بر مبنای کلاس به همراه ترکیب طبقه بندی کننده ها به منظور طبقه بندی تصاویر ابرطیفی

Publish place: Geomatics 1387
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 2,278

This Paper With 10 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

GEO87_012

Index date: 7 October 2007

استفاده از استخراج ویژگی بر مبنای کلاس به همراه ترکیب طبقه بندی کننده ها به منظور طبقه بندی تصاویر ابرطیفی abstract

طبقه بندی تصاویر ابر طیفی یکی از معمول ترین روش های استخراج اطلاعات ازتصاویر ماهواره ای ابرطیفی است. در تصاویر ابرطیفی، به علت پایین بودن تعداد نمونه های آموزشی نسبت به تعداد ابعاد ا ین تصاویر، ممکن است مشکلات یکتایی ماتریس کووریانس به وجود اید. بنابراین بایستی روشی اتخاذ نمود ، تا بتوان ابعاد این تصاویر را کاهش داد و ما در این مقاله از روش های استخراج ویژگی، استفاده کرده ایم. این روش ها بر مبنای بهینه کردن یکمعیار، مثلا معیار Fisher عمل کرده و بیشترین اطلاعات موجود را به کمترین تعداد ویژگی ممکن منتقل می کنند. در این مقاله از روش NWFE برای استخراج ویژگی استفاده شده است. روش دیگری که می تواند موجب حل مشکلات ناشی از بالا بودن ابعاد این تصاویر و پایین بودن دقت عملکرد طبقه بندی کننده ML در مورد تصاویر ابرطیفی شود، ترکیب طبقه بندی کننده ها است. در این مقاله به نوعی از روش های ترکیب طبقه بندی کننده ها به همراه استخراج ویژگی بر مبنای کلاس استفاده شده است. نتایج به دست آمده نشان می دهد که استفاده از استخراج ویژگی و ترکیب طبقه بندی کننده ها به صورت همزمان، می تواند نسبت به هر یک از روش های استخراج ویژگی و ترکیب طبقه بندی کننده ها دقت بالاتری را نتیجه دهد، ضمن اینکه در اینروش، مشکلات تمامی روش های قبلی نیز برطرف می شود.

استفاده از استخراج ویژگی بر مبنای کلاس به همراه ترکیب طبقه بندی کننده ها به منظور طبقه بندی تصاویر ابرطیفی authors

مجید رحیم زادگان

کارشناس ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی

یاسر مقصودی مهرانی

کارشناس ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی

محمدجواد ولدان زوج

دانشیار گروه سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی

محمدرضا مباشری

استادیار گروه سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی

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 :
یاسر مقصودی مهرانی، برات مجردی، محمد جواد ولدان‌زوج و عباس ...
B-C. Kuo and D. A. Landgrebe, *"Improved Statistics Estimation And ...
D. A. Landgrebe, ،، Information Extraction Principles and Methods for ...
T.G. Dietterich, Ensemble methods in machine learning, In Proc. of ...
C. Lee and D. A. Landgrebe, Analyzing hi gh- dimensional ...
K. Fukunaga. Introduction to Statistical Pattern Recognition, 2" edition, Academic ...
S. B. Serpico and L. Bruzzone, A new search algorithm ...
G. F. Hughes, _ On the mean accuracy of statistical ...
David Landgrebe, Signal Theory Methods In Multispectral Remote Sensing, 508 ...
htto ://d 7namo.ecn _ pu rd ue.edu/~bieh l/m _ ltisoec/d ...
نمایش کامل مراجع

مقاله فارسی "استفاده از استخراج ویژگی بر مبنای کلاس به همراه ترکیب طبقه بندی کننده ها به منظور طبقه بندی تصاویر ابرطیفی" توسط مجید رحیم زادگان، کارشناس ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی؛ یاسر مقصودی مهرانی، کارشناس ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی؛ محمدجواد ولدان زوج، دانشیار گروه سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی ؛ محمدرضا مباشری، استادیار گروه سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی نوشته شده و در سال 1387 پس از تایید کمیته علمی همایش ژئوماتیک 87 و چهارمین همایش یکسان سازی نامهای جغرافیایی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله هستند. این مقاله در تاریخ 15 مهر 1386 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 2278 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که طبقه بندی تصاویر ابر طیفی یکی از معمول ترین روش های استخراج اطلاعات ازتصاویر ماهواره ای ابرطیفی است. در تصاویر ابرطیفی، به علت پایین بودن تعداد نمونه های آموزشی نسبت به تعداد ابعاد ا ین تصاویر، ممکن است مشکلات یکتایی ماتریس کووریانس به وجود اید. بنابراین بایستی روشی اتخاذ نمود ، تا بتوان ابعاد این تصاویر را کاهش داد و ... . برای دانلود فایل کامل مقاله استفاده از استخراج ویژگی بر مبنای کلاس به همراه ترکیب طبقه بندی کننده ها به منظور طبقه بندی تصاویر ابرطیفی با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.