طبقه بندی تصاویر ابر طیفی به روش نیمه نظارت شده و یادگیری بر اساس منیفلد
Publish place: Second National Conference on Computer Engineering Research
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 817
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
RCEITT02_158
تاریخ نمایه سازی: 22 آبان 1395
Abstract:
به دلیل ویژگی هایی که تصاویر ابرطیفی دارند، طبقه بندی آنها همراه با مشکلاتی است که برای رفع آنها نیاز به چندمرحله عملیات روی پیکسل ها می باشد. یکی از مشکلات عمده حجم بالای داده ها می باشد. در کاهش ابعاد این تصاویر بهعلت درهم پیچیده بودن داده ها نمی توان به روش خطی آنها را کاهش ابعاد داد. همچنین به علت تعداد نمونه هایبرچسب دار محدود نمی توان آنها را به روش نظارت شده طبقه بندی کرد. در این مقاله روشی جهات طبقه بندی اینتصاویر پیشنهاد شده که بر اساس اطلاعات طیفی و مکانی پیکسل ها، آنها را طبقه بندی می کند. روش کاهش ابعادغیرخطی به علت مدل سازی صحیح داده ها برای این تصاویر موفقیت آمیز بوده و می تواند به خوبی بر داده های نویزیغلبه کند، همچنین طبقه بندی نیمه نظارت شده به علت غلبه بر مشکل پدیده ابعاد بالا و ماهیت متغیر پیکسل ها برای اینتصاویر بسیار مناسب است و می توان جداکننده ها را به خوبی توسط این روش آموزش داد تا برای سایر داده های بدونبرچسب مشابه نیز موفق عمل کند. در این مقاله با توجه به ویژگی های این نوع تصاویر، روشی برای غلبه بار مشکلاتطبقه بندی پیشنهاد شده است.
Keywords:
Authors
زهتاب علاسوند
کارشناسی ارشد هوش مصنوعی و رباتیک دانشگاه شهید چمران اهواز
سیدعنایت الله علوی
دکتری هوش مصنوعی دانشگاه شهید چمران اهواز
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 :