بهره گیری از پیش طبقه بندی حداکثر احتمال برای بهینه سازی طبقه بندی چند کلاسه تصاویر ابر طیفی با ماشین بردار پشتیبان

ماشین بردار پشتیبان یک طبقه بندی کننده غیر آماری و هندسی است و برتری آن نسبت به بسیاری از طبقه بندی کننده ها در مسائل مختلف مشخص شده است. این طبقه بندی کننده نسبت به پدیده هیوز و کم بودن نقاط آموزشی حساسیت کمتری دارد لذا برای طبقه بندی تصاویر ابر طیفی مناسب به نظر می رسد. مشکل اصلی طبقه بندی با ماشین بردار پشتیبان برای تصاویر ابر طیفی، دودویی بودن بنیان اصلی این طبقه بندی کننده می باشد در حقیقت این طبقه بندی کننده در مسائل دو کلاسه بسیار خوب عمل می کند اما الگوریتم های چند کلاسه دارای حجم محاسبات بالا می باشد و صحت را نیز تحت تاثیر می دهند. بنابراین برای طبقه بندی با تعداد کلاس زیاد و حجم اطلاعات بالا عملا غیر قابل استفاده می باشند. در این مقاله روش جدیدی پیشنهاد شده که در آن ابتدا یک طبقه بندی اولیه به وسیله طبقه بندی کننده حداکثر احتمال انجام می پذیرد سپس ماشین بردار پشتیبان بین کلاس های دارای احتمال بیشتر تصمیم گیری می نماید. نتایج آزمایش بر روی داده های واقعی سنجنده ابر طیفی AVIRIS نشان می دهد که این روش نسبت به روش های ماشین بردار چندکلاسه متداول دارای حجم محاسبات و مدت زمان محاسبات بسیار کمتر و همینطور صحت و اعتبار نسبتاً بهتری است.

Keywords:

طبقه بندی حداکثر احتمال , SVM چند کلاسه , تصاویر ابر طیفی , درخت تصمیم گیری