مقایسه الگوریتم های ماشین بردار پشتیبان و نزدیکترین همسایه جهت طبقه بندی تصاویر در روش شی ء گرا با استفاده از داده های ماهواره ی سنتینل 2
Publish Year: 1396
Type: Conference paper
Language: Persian
View: 595
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ESTAHBANCCE02_135
Index date: 7 July 2018
مقایسه الگوریتم های ماشین بردار پشتیبان و نزدیکترین همسایه جهت طبقه بندی تصاویر در روش شی ء گرا با استفاده از داده های ماهواره ی سنتینل 2 abstract
طبقه بندی صحیح عوارض محیطی در تصاویر ماهواره ای یکی از دغدغه های اصلی کاربران سنجش از دور می باشد که بسیاری از الگوریتم ها برای این منظور توسعه یافته اند. این بررسی مقایسه ای است بین الگوریتم های ماشین برداز پشتیبان (svm) و نزدیکترین همسایه (knn) در طبقه بندی تصاویر ماهواره ای. در این بررسی از هر دو الگوریتم جهت طبقه بندی محدوده ی شهر شیراز با استفاده از داده های ماهواره سنتینل2 استفاده شده است.کلاسه بندی در روش شی ء گرا با الگوریتم svm در کرنل شعاعی با گامای0/03 و الگوریتم knn با تعداد k=1 همسایه صورت گرفته است و تصویر با سطح مقیاس(50 (scale level درصد و سطح ادغام (merge level) به مقدارهای 50 و 75 و 95 درصد کلاسه بندی شده اند. نتایج نشان می دهند که الگوریتم svm با میانگین ضریب کاپای 0/77 از کارایی بیشتری نسبت به الگوریتم knn با ضریب کاپای 0/68 برخوردار است.
مقایسه الگوریتم های ماشین بردار پشتیبان و نزدیکترین همسایه جهت طبقه بندی تصاویر در روش شی ء گرا با استفاده از داده های ماهواره ی سنتینل 2 Keywords:
مقایسه الگوریتم های ماشین بردار پشتیبان و نزدیکترین همسایه جهت طبقه بندی تصاویر در روش شی ء گرا با استفاده از داده های ماهواره ی سنتینل 2 authors
علی زارع خفری
دانشجوی کارشناسی ارشد مهندسی نقشه برداری-سیستم های اطلاعات جغرافیایی دانشگاه آزاد استهبان.
علیرضا حامدیان فر
استادیار گروه نقشه برداری، استهبان، دانشگاه آزاد اسلامی، استهبان، ایران.