حمید عبادی - دانشگاه صنعتی خواجه نصیرالدین طوسی
الهه تمیمی - دانشگاه صنعتی خواجه نصیرالدین طوسی
عباس کیانی - دانشگاه صنعتی خواجه نصیرالدین طوسی

تمایل به داشتن اطلاعات مکانی دقیق، صحیح و بهنگام از منابع کشور در یک پایگاه داده جامع مکان مرجع هموا ره رو به رشد است. با گسترش علوم فتوگرامتر ی و سنجش ازدور، طی ف وس یعی از اطلاعات مکان ی در دسترس علوم مختلف قرارگرفته است. طبقه بندی یکی از پرکاربردترین روش های استخراج اطلاعات از تصاویر سنجش ازدور می باشد. تعیین روش مناسب طبقه بندی امری مهم و چالش برانگیز است که منجر به بهبود نتا یج نها یی م ی شود . هدف اصل ی ای ن مقاله، بهینه سازی طبقه بندی ماشین بردار پشتیبان در تصاویر ابرطیف ی سنجش ازدور م ی باشد . در طبقه بند ی ماشین بردار پشتیبان در مسائل غیرخطی، پارامترهایی برای توابع کرنل و ترم تنظیم کننده خطا مشخص می شود که به منظور افزا یش دقت طبقه بندی و افزایش اعتمادپذیری به نتایج، می توان از الگوریتم های بهینه سازی برای تعیی ن ای ن پارامترها استفاده نمود. از طرفی انتخاب باندهای مناسب تأثیر بسزایی در بهبود نتایج طبقه بندی دارد. این دو عامل سبب شده است که از الگوریتم های بهینه سازی در این مقاله به منظور تعیین مقادیر بهینه این پارامترها و تعیین ویژگی های بهینه استفاده شود که منجر به اتوماتیک سازی روند حل مسئله و افزایش ۵ درصدی دقت کلی طبقه بندی و افزایش ۱۵ درصدی ضر یب کاپا شده است.

طبقه بندی ماشین بردار پشتیبان، انتخاب ویژگی، تعیین پارامترها، الگوریتم بهینه سازی ژنتیک، الگوریتم بهینه سازی ازدحام ذرات