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

نسخه انگلیسی

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

3,064
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

1,189
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

2

اطلاعات مقاله نشریه

عنوان

ارزیابی کارایی الگوریتم های ماشین بردار پشتیبان جهت طبقه بندی کاربری اراضی با استفاده از داده های ماهواره اي +ETM لندست (مطالعه موردی: حوزه سد ایلام)

صفحات

 صفحه شروع 420 | صفحه پایان 440

چکیده

 طبقه بندی کاربری اراضی با استفاده از تصاویر سنجش از دور یکی از مهمترین کاربردهای سنجش از دور است و بسیاری از الگوریتم ها برای این منظور توسعه یافته اند. این مطالعه کارایی الگوریتم های ماشین بردار پشتیبان (SVMs) را در طبقه بندی تصاویر ماهواره ای مورد بررسی 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. دقت طبقه بندی حاصل از SVMs با توجه به نوع تابع کرنل متغیر است. در این مطالعه, الگوریتم های SVM برای طبقه بندی کاربری اراضی حوزه سد ایلام 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 چهار نوع کرنل خطی, چندجمله ای, شعاعی و حلقوی اجرا شده است. در ضمن, کارکرد این روش با روش طبقه بندی حداکثر احتمال مقایسه شده است. نتایج نشان می دهد که الگوریتم های SVM خصوصا سه کرنل خطی, چندجمله ای و شعاعی نسبت به روش طبقه بندی حداکثر احتمال از نظر دقت کل (حدود 10%) و ضریب کاپا (حدود 15%) برتری دارد. بنابراین این مطالعه کارایی و قابلیت الگوریتم های SVM را در طبقه بندی تصاویر سنجش از دور اثبات می نماید.

استنادها

ارجاعات

استناددهی

APA: کپی

آرخی، صالح، و ادیب نژاد، مصطفی. (1390). ارزیابی کارایی الگوریتم های ماشین بردار پشتیبان جهت طبقه بندی کاربری اراضی با استفاده از داده های ماهواره اي +ETM لندست (مطالعه موردی: حوزه سد ایلام). تحقیقات مرتع و بیابان ایران، 18(3 (پیاپی 44))، 420-440. SID. https://sid.ir/paper/107095/fa

Vancouver: کپی

آرخی صالح، ادیب نژاد مصطفی. ارزیابی کارایی الگوریتم های ماشین بردار پشتیبان جهت طبقه بندی کاربری اراضی با استفاده از داده های ماهواره اي +ETM لندست (مطالعه موردی: حوزه سد ایلام). تحقیقات مرتع و بیابان ایران[Internet]. 1390؛18(3 (پیاپی 44)):420-440. Available from: https://sid.ir/paper/107095/fa

IEEE: کپی

صالح آرخی، و مصطفی ادیب نژاد، “ارزیابی کارایی الگوریتم های ماشین بردار پشتیبان جهت طبقه بندی کاربری اراضی با استفاده از داده های ماهواره اي +ETM لندست (مطالعه موردی: حوزه سد ایلام)،” تحقیقات مرتع و بیابان ایران، vol. 18، no. 3 (پیاپی 44)، pp. 420–440، 1390، [Online]. Available: https://sid.ir/paper/107095/fa

مقالات مرتبط نشریه ای

مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button