مروری بر راه کارهای افزایش دقت طبقه بندی تصاویر ابرطیفی سنجش از دور مبتنی بر روش SVM

به منظور مقابله با کاهش دقت طبقه بندی تصاویر ابرطیفی ناشی از ابعاد بالای فضای ویژگی و عدم دسترسی به داده های آموزشی کافی راهکارهایی در چهار حوزه انتخاب ویژگی، استخراج ویژگی، روش های گروهی و استفاده توام از داده های طیفی- مکانی ارایه شد. در این مقاله انواع روش ها تبیین و مقایسه ای بین آن ها انجام شده است. کلاسه بندی کننده ماشین بردار پشتیبان به عنوان مدل طبقه بندی انتخاب و دقت کلاسه بندی به عنوان معیار ارزیابی الگوریتم ها در نظر گرفته شده است.

Keywords:

ماشین بردار پشتیبان , دقت طبقه بندی , استخراج ویژگی , انتخاب ویژگی , روش های گروهی , داده های طیفی- مکانی , تصاویر ابرطیفی