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:

415
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

522
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارائه رویکرد نوین SVM-CRF برای طبقه بندی ابر نقاط لیدار هوایی در محیط شهری

صفحات

 صفحه شروع 139 | صفحه پایان 156

چکیده

 طی دهه های گذشته, رشد شهری به عنوان یک پدیده جهانی شناخته شده است که شامل روند گسترده شدن و الگوی گسترش است. همان طور که شهرها به سرعت در حال تغییر هستند, می توان به منظور تجزیه و تحلیل کمّی آن ها و همچنین تصمیم گیری در برنامه ریزی شهری از مزایای مدل های دیجیتالی دوبعدی و سه بعدی استفاده کرد. پیشرفت های اخیر در تصویربرداری و تکنولوژی های حسگر غیر تصویربردار مانند سیستم تشخیص و ردیابی نور (لیدار) هوایی, منجر به ایجاد مقدار زیادی داده های سنجش از دوری شده است که می تواند برای تولید مدل های دو بعدی و سه بعدی به کار گرفته شود. هدف از این مقاله ارائه رویکرد نوین SVM-CRF برای طبقه بندی مجموعه داده ابر نقاط لیدار و تصویر و مقایسه کارآیی این رویکرد نسبت به دیگر رویکردهای موجود از جمله رویکردهای گرافیکی احتمالاتی است. لازم به ذکر است که در این مقاله از SA به عنوان بهینه ساز SVM-CRF استفاده شد. برای ارزیابی قابلیت رویکرد مورد استفاده در این مقاله از مجموعه داده مرجع ISPRS که برای شهر وایهینگن و به منظور طبقه بندی شهری و بازسازی ساختمان سه بعدی تولید شده است؛ استفاده شد. همچنین نتایج تحقیق قبلی نویسنده مقاله پیش رو که رویکرد SVM-MRFرا معرفی کرده بود در کنار دیگر تحقیقاتی که از روش CRF و مجموعه داده مشابه استفاده کرده اند, برای مقایسه بهتر نتایج آورده شده است. نتایج این تحقیق نشان می دهد که عملکرد روش SVM-CRF با دقت کلی 06/89 درصد و ضریب کاپا 84/0 درصد از سایر رویکردهای طبقه بندی به کار رفته روی مجموعه داده مشابه بهتر است.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    عقیقی، فرزانه، عقیقی، حسین، و عبادتی، امیدمهدی. (1398). ارائه رویکرد نوین SVM-CRF برای طبقه بندی ابر نقاط لیدار هوایی در محیط شهری. مهندسی فناوری اطلاعات مکانی، 7(4 )، 139-156. SID. https://sid.ir/paper/230154/fa

    Vancouver: کپی

    عقیقی فرزانه، عقیقی حسین، عبادتی امیدمهدی. ارائه رویکرد نوین SVM-CRF برای طبقه بندی ابر نقاط لیدار هوایی در محیط شهری. مهندسی فناوری اطلاعات مکانی[Internet]. 1398؛7(4 ):139-156. Available from: https://sid.ir/paper/230154/fa

    IEEE: کپی

    فرزانه عقیقی، حسین عقیقی، و امیدمهدی عبادتی، “ارائه رویکرد نوین SVM-CRF برای طبقه بندی ابر نقاط لیدار هوایی در محیط شهری،” مهندسی فناوری اطلاعات مکانی، vol. 7، no. 4 ، pp. 139–156، 1398، [Online]. Available: https://sid.ir/paper/230154/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا