سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

طبقه بندی تصاویر سنجش از دور فراطیفی به کمک ماشین های بردار پشتیبان

Publish place: Geomatics 1388
Publish Year: 1388
Type: Conference paper
Language: Persian
View: 2,758

This Paper With 10 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

GEO88_033

Index date: 28 March 2009

طبقه بندی تصاویر سنجش از دور فراطیفی به کمک ماشین های بردار پشتیبان abstract

با پیشرفت های نوین در سنجش از دور و تولید داده های فراطیفی با اطلاعات طیفی فراوان، امید زیادی به استفاده از این داده ها جهت مطالعه دقیق پدیده ها و طبقه بندی موفق کلاسهای پوشش زمینی ایجاد شده است. علی رغم این ویژگی مفید و مهم ، تعدد باندها یا به عبارت دیگر اطلاعات طیفی با ابعاد زیاد ، چالشی جدی در پردازش و تجزیه تحلیل این داده ها در برابر پژوهشگران قرار داده است. این دشواری، به ویژه، در طبقه بندی تصاویر در مرحله جمع آوری داده های آموزشی و آموزش طبقه بندی کننده ها، خودنمایی می کند. لذا، برای حل این مشکل، مطالعه و پژوهش بر روی روش هایی که برای طبقه بندی نیاز به داده های آموزشی کم تری دارند، مورد توجه قرار گرفته است . یکی از این روش ها که در سالهای اخیر بسیار موفقیت آمیز بوده است، الگوریتمی بر پایه ماشین های بردار پشتیبان (SVM) است که از تئوری یادگیری آماری استخراج شده است.در این مقاله ، کارایی روش ماشین های بردار پشتیبان در طبقه بندی تصاویر فراطیفی مورد بررسی قرار گرفته است . ویژ گی اصلی این روش، توانایی آن در بکار گیری داده هایی با ابعاد طیفی زیاد و عدم نیاز به مرحله انتخاب ویژگی ها و یا کاهش ابعاد می باشد. ماشین های بردار پشتیبان ، از لحاظ فرمول بندی، دارای دو فرم یگانه و دوگانه هستند. در اغلب موارد ، این دو فرم معادل یکدیگرند . ولی برای بهینه سازی فرم یگانه، که یک رابطه بدون قید است، از هر روشی می توان برای بهینه سازی است فاده کرد . در حالی که برای بهینه سازی فرم دوگانه، بایستی از روش ضرائب نامعین لاگرانژ استفاده کرد. در این پژوهش، در گام اول، الگوریتمی جهت طبقه بندی داده های فراطیفی با استفاده از ماشین های بردار پشتیبان به فرم دوگانه، پیاده سازی شده است. در گام بعد، آنالیز دقت و ارزیابی حساسیت این الگوریتم نسبت به تعداد نمونه های آموزشی مختلف، پارامترهای کنترل کننده الگوریتم و توابع هسته، که نقش مهمی در فرآیند بهینه سازی الگوریتم دارند، انجام شده است. این روش بر روی داده های تصویری فراطیفی سنجنده Hyperion شامل 242 باند با قدرت تفکیک مکانی 30 متر از یک منطقه کشاورزی، پیاده سازی شده است. ارزیابی های دقت نشانگر موفقیت قابل قبول نتایج طبقه بندی این تصاویر به کمک روش پیشنهادی است.

طبقه بندی تصاویر سنجش از دور فراطیفی به کمک ماشین های بردار پشتیبان Keywords:

طبقه بندی نظارت شده , تصاویر فراطیفی , ماشین های بردار پشتیبان , بهین ه سازی

طبقه بندی تصاویر سنجش از دور فراطیفی به کمک ماشین های بردار پشتیبان authors

رضا شاه حسینی

گروه مهندسی نقشه برداری، دانشکده فنی، دانشگاه تهران

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 :
احمد کشاورز، حسن قاسمیان یزدی، "یک الگوریتم سریع مبتنی بر ...
_ J. Anthony Gualtieri, R. F. Cromp, "Support Vector Machines ...
G. F. Hughes, "On the mean accuracy of statistical pattern ...
B. E. Boser, I. M. Guyon, and V. N. Vapnik, ...
C. Cortes, and V. N. Vapnik, *Support Vector network, * ...
V. N. Vapnik, The Nature of Statistical Learning Theory. New ...
V. N. Vapnik, Statistical Learning Theory. New York: John Wiley ...
Gustavo Camps-Valls, Luis Gomez- Chova, Javier C alp e-Maravilla, "Robust ...
C. Cortes and V. Vapnik, *Support vector networks?, Mach. Learn., ...
R. Courant and D. Hilbert, Methods of Mathematical Physics. New ...
T. M. Cover, 4Geometrical and statistical properties of systems of ...
B. SchGlkopf, K.-K. Sung, C. Burges, F. Girosi, P. Niyogi, ...
T. Hastie and R. Tibshirani, ،، Classification by pairwise coupling;' ...
Mingmin Chi, Rui Feng, Lorenzo Bruzzone, _ Classification of hyperspectral ...
نمایش کامل مراجع

مقاله فارسی "طبقه بندی تصاویر سنجش از دور فراطیفی به کمک ماشین های بردار پشتیبان" توسط رضا شاه حسینی، گروه مهندسی نقشه برداری، دانشکده فنی، دانشگاه تهران؛ سعید همایونی؛ محمدرضا سراجیان نوشته شده و در سال 1388 پس از تایید کمیته علمی همایش ژئوماتیک 88 پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله طبقه بندی نظارت شده، تصاویر فراطیفی، ماشین های بردار پشتیبان، بهین ه سازی هستند. این مقاله در تاریخ 8 فروردین 1388 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 2758 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که با پیشرفت های نوین در سنجش از دور و تولید داده های فراطیفی با اطلاعات طیفی فراوان، امید زیادی به استفاده از این داده ها جهت مطالعه دقیق پدیده ها و طبقه بندی موفق کلاسهای پوشش زمینی ایجاد شده است. علی رغم این ویژگی مفید و مهم ، تعدد باندها یا به عبارت دیگر اطلاعات طیفی با ابعاد زیاد ، ... . برای دانلود فایل کامل مقاله طبقه بندی تصاویر سنجش از دور فراطیفی به کمک ماشین های بردار پشتیبان با 10 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.