مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,572
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

1,333
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارزیابی و مقایسه روش های ماشین بردار پشتیبان با کرنل های خطی، چند جمله ای و پایه شعاعی با شبکه عصبی مصنوعی جهت طبقه بندی کاربری اراضی

صفحات

 صفحه شروع 729 | صفحه پایان 743

چکیده

 طبقه بندی تصویر همیشه یکی از موضوعات مهم در سنجش از دور است که اطلاعات بدست آمده در زمینه طبقه بندی تصویر به طور گسترده ای در برنامه های کاربردی دیگر مانند برنامه ریزی شهری, مدیریت منابع طبیعی, کشاورزی و غیره استفاده می شود. از آنجا که هدف اصلی از پردازش تصاویر ماهواره ای, تهیه نقشه های موضوعی و کارآمد می باشد, انتخاب الگوریتم مناسب طبقه بندی نقش زیادی در این امر ایفاء می کند. این مطالعه کارایی الگوریتم های ماشین بردار پشتیبان (SVMs) را در طبقه بندی تصاویر ماهواره ای مورد بررسی و آن را با الگوریتم شبکه عصبی مصنوعی مورد مقایسه قرار می دهد. ماشین های بردار پشتیبان یک گروه از الگوریتم های طبقه بندی نظارت شده یادگیری ماشینی هستند که در زمینه سنجش از دور مورد استفاده قرار گرفته اند. در این مطالعه, الگوریتم های SVM برای طبقه بندی کاربری اراضی منطقه میمه با استفاده از داده های ETM+ لندست مورد استفاده قرار گرفته است. طبقه بندی با استفاده از روش ماشین های بردار پشتیبان, بصورت خودکار و با استفاده از سه نوع کرنل خطی, چند جمله ای و شعاعی اجراء شده است. در ضمن, کارکرد این روش با روش طبقه بندی شبکه عصبی مصنوعی مقایسه شده است. نتایج نشان می دهد که میانگین دقت کل و ضریب کاپا الگوریتم های SVM شامل کرنل خطی, چند جمله ای و شعاعی نسبت به روش طبقه بندی شبکه عصبی مصنوعی از نظر دقت کل (حدود 9%) و ضریب کاپا (حدود 12%) برتری دارد. بنابراین این مطالعه کارایی و قابلیت الگوریتم های SVM را در طبقه بندی تصاویر سنجش از دور اثبات می نماید.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    فتحی زاد، حسن، صفری، عطا، بازگیر، مسعود، و خسروی، غلامرضا. (1395). ارزیابی و مقایسه روش های ماشین بردار پشتیبان با کرنل های خطی, چند جمله ای و پایه شعاعی با شبکه عصبی مصنوعی جهت طبقه بندی کاربری اراضی. تحقیقات مرتع و بیابان ایران، 23(4 )، 729-743. SID. https://sid.ir/paper/106810/fa

    Vancouver: کپی

    فتحی زاد حسن، صفری عطا، بازگیر مسعود، خسروی غلامرضا. ارزیابی و مقایسه روش های ماشین بردار پشتیبان با کرنل های خطی, چند جمله ای و پایه شعاعی با شبکه عصبی مصنوعی جهت طبقه بندی کاربری اراضی. تحقیقات مرتع و بیابان ایران[Internet]. 1395؛23(4 ):729-743. Available from: https://sid.ir/paper/106810/fa

    IEEE: کپی

    حسن فتحی زاد، عطا صفری، مسعود بازگیر، و غلامرضا خسروی، “ارزیابی و مقایسه روش های ماشین بردار پشتیبان با کرنل های خطی, چند جمله ای و پایه شعاعی با شبکه عصبی مصنوعی جهت طبقه بندی کاربری اراضی،” تحقیقات مرتع و بیابان ایران، vol. 23، no. 4 ، pp. 729–743، 1395، [Online]. Available: https://sid.ir/paper/106810/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی





    بازگشت به بالا