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

مقاله مقاله همایش

مشخصات مقاله

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:

506
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

276
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله همایش

عنوان

طبقه بندی مناطق دگرسانی با استفاده از تصویر ابرطیفی هایپریون و ماشین بردار پشتیبان

صفحات

 صفحه شروع | صفحه پایان

چکیده

 پدیده هیوز ناشی از فراوانی باندهای طیفی تصاویر ابرطیفی, یکی از مشکلات رایج در طبقه بندی نظارت شده تصاویر ابرطیفی است. ساده ترین راه غلبه بر این مشکل, فراهم کردن نمونه های آموزشی کافی است بطوریکه متناسب با تعداد باندهای این تصاویر باشد. با توجه به تعداد بسیار زیاد باندهای این تصاویر, تهیه نمونه های آموزشی مکفی کاری مشکل است بخصوص هنگامیکه نیازمند پیمایش های صحرایی در مناطق صعب العبور باشد. در چنین شرایطی, استفاده از روشی که نسبت به تعداد نمونه های آموزشی حساس نباشد پیشنهاد می شود. از آنجاییکه روشهای کرنل پایه دارای این ویژگی می باشند, لذا در این تحقیق از روش طبقه بندی کرنل پایه ماشین بردار پشتیبان (SVM) برای طبقه بندی تصویر ابرطیفی هایپریون با هدف شناسایی مناطق دگرسانی معدن مس پورفیری دره زار که در مجاورت معدن سرچشمه واقع گردیده است, استفاده شد. بدین منظور تنها 12 نمونه سنگی برداشت شده از منطقه مطالعاتی متعلق به سه منطقه دگرسانی پروپیلیتیک, فیلیک و گذر از فیلیک به پروپیلیتیک برای آموزش و ارزیابی SVM استفاده شدند. نتایج حاصله نشان می دهند این تعداد نمونه آموزشی در مقابل 165 باند هایپریون می توانند با موفقیت برای طبقه بندی مناطق دگرسانی استفاده شوند به شرطیکه متغیرهای SVM یعنی c و  s بدرستی تعیین گردند. جهت تنظیم متغیرهای مذکور از نوع خاصی از روش اعتبارسنجی متقابل که مناسب برای کار با مجموعه داده های کوچک است, استفاده شد. بر اساس نتایج بدست آمده, SVM با متغیرهای c=2000 و s=0.5 توانست به دقتی برابر با 76.92٪ برسد که با توجه به تعداد کم نمونه های آموزشی دقت قابل قبولی است.

چندرسانه ای

  • ثبت نشده است.
  • استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    سلیمی، امیر، ضیائی، منصور، حسینجانی زاده، مهدیه، امیری، علی، و کریم پولی، صادق. (1394). طبقه بندی مناطق دگرسانی با استفاده از تصویر ابرطیفی هایپریون و ماشین بردار پشتیبان. کنگره بین المللی تخصصی علوم و زمین. SID. https://sid.ir/paper/844321/fa

    Vancouver: کپی

    سلیمی امیر، ضیائی منصور، حسینجانی زاده مهدیه، امیری علی، کریم پولی صادق. طبقه بندی مناطق دگرسانی با استفاده از تصویر ابرطیفی هایپریون و ماشین بردار پشتیبان. 1394. Available from: https://sid.ir/paper/844321/fa

    IEEE: کپی

    امیر سلیمی، منصور ضیائی، مهدیه حسینجانی زاده، علی امیری، و صادق کریم پولی، “طبقه بندی مناطق دگرسانی با استفاده از تصویر ابرطیفی هایپریون و ماشین بردار پشتیبان،” presented at the کنگره بین المللی تخصصی علوم و زمین. 1394، [Online]. Available: https://sid.ir/paper/844321/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • 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