مقایسه دو روش طبقه بندی حداکثر احتمال و شبکه عصبی مصنوعی در استخراج نقشه کاربری اراضی (مطالعه موردی: حوزه سد ایلام)

Q: چگونه مقاله دانلود کنم؟

برای دانلود مقاله از SID، ابتدا وارد سایت شوید، عنوان مقاله را جستجو کرده و بر روی گزینه 'دانلود مقاله' کلیک کنید.

Q: چگونه مقاله ISI دانلود کنم؟

برای دانلود مقاله ISI در SID، کلمه کلیدی یا عنوان مقاله را در نوار جستجو وارد کرده و نتایج مرتبط را مشاهده کنید. سپس روی مقاله مورد نظر کلیک کرده و گزینه 'دانلود مقاله' را انتخاب کنید.

Q: چگونه میتوانم به پایگاه داده SID دسترسی داشته باشم؟

برای دسترسی به پایگاه داده SID، وارد سایت SID.ir شوید، یک حساب کاربری ایجاد کنید و سپس با ورود به حساب خود به منابع علمی دسترسی پیدا کنید.

Q: آیا دانلود مقاله از SID رایگان است؟

بعضی از مقالات در SID بهصورت رایگان در دسترس هستند، اما برخی دیگر نیاز به پرداخت هزینه دارند. اطلاعات بیشتر در صفحه مقاله مشخص شده است.

نیازی یعقوب; اختصاصی محمدرضا; ملکی نژاد حسین; حسینی سیدزین العابدین; مرشدی جعفر

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

مقاله مقاله نشریه

مشخصات مقاله

نشریه: جغرافیا و توسعه
:1389 | دوره:8 | شماره:پیاپی 20
صفحات :119-132

دانلود متن کامل

نسخه انگلیسی

بازدید:

3,466

دانلود:

1,231

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه دو روش طبقه بندی حداکثر احتمال و شبکه عصبی مصنوعی در استخراج نقشه کاربری اراضی (مطالعه موردی: حوزه سد ایلام)

نویسندگان

کلیدواژه

کاربری اراضیQ2

طبقه بندی تصویرQ2

شبکه عصبی مصنوعیQ2

حداکثر احتمالQ1

ضریب کاپاQ1

چکیده

یکی از ضروری ترین اطلاعات مورد نیاز مدیران و متولیان منابع طبیعی, نقشه های کاربری اراضی می باشد. داده های ماهواره ای, به جهت ارایه اطلاعات به هنگام و رقومی, تنوع اشکال و امکان پردازش در تهیه نقشه های کاربری اراضی از اهمیت بالایی برخوردارند. از سویی دیگر در سال های اخیر به طور وسیع و گسترده جهت طبقه بندی تصاویر ماهواره ای از روش های طبقه بندی پیشرفته از قبیل شبکه های عصبی مصنوعی, مجموعه های فازی و سیستم های هوشمند استفاده می شود. هدف اصلی این تحقیق مقایسه دو روش مختلف جهت طبقه بندی کاربری اراضی با استفاده از تصاویر ASTER می باشد. بدین منظور با استفاده از تصویر ماهواره ای ASTERو دو الگوریتم طبقه بندی نظارت شده شامل حداکثر احتمال و شبکه عصبی مصنوعی, نقشه کاربری اراضی تهیه گردید. در طبقه بندی با استفاده از الگوریتم شبکه عصبی از یک شبکه پرسپترون با یک لایه پنهان و 14 نرون ورودی, 9 نرون میانی و 6 نرون خروجی استفاده شده است که تعداد نرون های ورودی همان تعداد باندهای تصویر ماهواره ای ASTER و تعداد نرون های خروجی همان تعداد کلاس های نقشه کاربری اراضی می باشد. برای آموزش شبکه نیز از الگوریتم انتشار برگشتی استفاده شده است. نتایج حاصل از ارزیابی دقت این دو روش با استفاده از تعیین ضریب کاپا نشان داده است که الگوریتم شبکه عصبی با ضریب 0.86 نسبت به الگوریتم حداکثر احتمال با ضریب 0.69 از دقت بیشتری برخوردار است. نتایج این مطالعه همچنین نشان می دهد الگوریتم های سنتی طبقه بندی مانند روش های آماری به خاطر انعطاف پذیری پایین و انواع پارامتریک آن مانند روش حداکثر احتمال به خاطر وابستگی به مدل آمار گوسی نمی توانند نتایج بهینه ای, در صورت نرمال نبودن داده های آموزشی فراهم آورند در حالیکه دلیل موفقیت الگوریتم شبکه عصبی مصنوعی در سنجش از دور این است که می تواند داده هایی با منابع مختلف را با هم تلفیق نماید.

استنادها