استخراج ویژگی نظارت شده غیرپارامتریک برای طبقه بندی تصاویر ابر طیفی با نمونه آموزشی محدود
Publish place: Electronics Industries Quarterly، Vol: 4، Issue: 3
Publish Year: 1392
Type: Journal paper
Language: Persian
View: 617
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_SAIRAN-4-3_006
Index date: 5 April 2016
استخراج ویژگی نظارت شده غیرپارامتریک برای طبقه بندی تصاویر ابر طیفی با نمونه آموزشی محدود abstract
استخراج ویژگی در تحلیل و طبقه بندی تصاویر ابرطیفی، اهمیت ویژه ای دارد، چراکه علاوه بر بهبود طبقه بندی، سبب کاهش پیچیدگی محاسباتی خواهد شد . روش های استخراج ویژگی نظارت شد های مثل تحلیل تمییز خطی ( LDA ) به دلیل مشکل منفرد بودن ماتریس پراکندگی درون کلاسی، دارای کارایی خوبی در نمونه های آموزشی محدود نیستند به علاوه تعداد ویژگی های استخراج شده توسط آ نها حداکثر برابر تعداد کلاس ها منهای یک است. استخراج ویژگی وزن دار غیر پارامتریک ( NWFE ) این مشکلات را حل کرده، ولی به شدت دارای پیچیدگی محاسباتی بالایی است . در این مقاله، یک روش استخراج ویژگی نظارت شده غیرپارامتریک پیشنهاد شده است که علاوه بر حل مشکلات ذکر شده در روش های استخراج ویژگی LDA و NWF E ، دارای کارایی بهتری نسبت به آن ها در طبقه بندی تصاویر ابرطیفی می باشد . روش استخراج ویژگی پیشنهادی با سه روش استخراج ویژگی نظارت شده معمول مقایسه شده و نتایج آزمایش ها بر روی سه داده ابرطیفی واقعی، نشان دهنده کارایی مناسب روش پیشنهادی می باشد.
استخراج ویژگی نظارت شده غیرپارامتریک برای طبقه بندی تصاویر ابر طیفی با نمونه آموزشی محدود Keywords:
استخراج ویژگی نظارت شده غیرپارامتریک برای طبقه بندی تصاویر ابر طیفی با نمونه آموزشی محدود authors
مریم ایمانی
دانشجوی دکتری برق، دانشگاه تربیت مدرس
حسن قاسمیان
استاد دانشکده برق ، دانشگاه تربیت مدرس