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

مقاله مقاله نشریه

مشخصات مقاله

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:

605
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

573
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

ارائه روشی مبتنی بر یادگیری گروهی برای بهبود نتایج حاصل از فاکتورگیری ماتریس نامنفی (NMF)

صفحات

 صفحه شروع 59 | صفحه پایان 68

کلیدواژه

فاکتورگیری ماتریس نامنفی (NMF)Q2

چکیده

 به تازگی روش های تجزیه ی طیفی تصاویر فراطیفی, به عنوان ابزاری قدرتمند در شناسایی عوارض موجود در پیکسل های مختلط, به طور گسترده ای مورد اقبال پژوهشگران قرار گرفته اند. از میان الگوریتم های ارائه شده برای تجزیه ی طیفی تصاویر فراطیفی, فاکتورگیری ماتریس نامنفی (NMF) به علت اعمال قید نامنفی بودن بر فراوانی های حاصل از تجزیه ی طیفی و همچنین استخراج هم زمان طیف و فراوانی اعضای خالص, بیش از سایر روش ها مورد توجه قرار گرفته است. علیرغم این توانایی ها, NMF به علت داشتن تابع هدف نامحدب دارای جواب های محلی فراوانی است که در مطالعات مختلف با افزودن قیدهایی به تابع هزینه ی آن, تلاش هایی برای دست یابی به نتایج بهینه ی سراسری صورت پذیرفته است. با این حال, روش های بر مبنای NMF همچنان دارای جواب های محلی هستند. در پژوهش حاضر با استفاده از یک روش تکراری و با تکیه بر تئوری یادگیری گروهی و ترکیب وزن دار نتایج به دست آمده از تکرارهای مختلف الگوریتم تجزیه ی طیفی L1/2-NMF, فرآیند استخراج طیف ها و فراوانی های حاصل از این الگوریتم بهبود یافته است. روش پیشنهادی روشی غیرپارامتریک و از نظر ریاضی روشن است که می توان فرآیند پیشنهادی در آن را به الگوریتم های پیشرفته تری از تجزیه ی طیفی تعمیم داد. روش پیشنهادی بر روی داده های مختلف مصنوعی و واقعی اجرا گردیده است. نتایج حاصل از آزمایش های موجود در این پژوهش, بر روی هر دو دسته از داده های فراطیفی, حاکی از کارایی این روش نسبت به روش های مشهور در شناسایی عوارض موجود در پیکسل های مختلط است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    قلی نژاد، سعید، شاد، روزبه، صدوقی یزدی، هادی، و قائمی، مرجان. (1397). ارائه روشی مبتنی بر یادگیری گروهی برای بهبود نتایج حاصل از فاکتورگیری ماتریس نامنفی (NMF). علوم و فنون نقشه برداری، 8(3 )، 59-68. SID. https://sid.ir/paper/249244/fa

    Vancouver: کپی

    قلی نژاد سعید، شاد روزبه، صدوقی یزدی هادی، قائمی مرجان. ارائه روشی مبتنی بر یادگیری گروهی برای بهبود نتایج حاصل از فاکتورگیری ماتریس نامنفی (NMF). علوم و فنون نقشه برداری[Internet]. 1397؛8(3 ):59-68. Available from: https://sid.ir/paper/249244/fa

    IEEE: کپی

    سعید قلی نژاد، روزبه شاد، هادی صدوقی یزدی، و مرجان قائمی، “ارائه روشی مبتنی بر یادگیری گروهی برای بهبود نتایج حاصل از فاکتورگیری ماتریس نامنفی (NMF)،” علوم و فنون نقشه برداری، vol. 8، no. 3 ، pp. 59–68، 1397، [Online]. Available: https://sid.ir/paper/249244/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