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

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:

1,891
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

833
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه کارایی الگوریتم های طبقه بندی شبکه عصبی مصنوعی و درختی درتهیه لایه کاربری اراضی با کمک داده های+ETM (مطالعه موردی: حوضه دره شهر استان ایلام)

صفحات

 صفحه شروع 47 | صفحه پایان 72

چکیده

 یکی از ضروری ترین اطلاعات مورد نیاز مدیران و متولیان منابع طبیعی, نقشه های کاربری اراضی می باشد. طی سال های گذشته, کاربردهای زیادی از روش های طبقه بندی شبکه عصبی مصنوعی برای طبقه بندی پوشش گیاهی در منابع گزارش شده است, اما مطالعات معدودی, استفاده از روش های طبقه بندی درختی و مقایسه آن ها با روش های شبکه عصبی مصنوعی ارزیابی نموده اند. در این مطالعه, ابتدا تصحیحات هندسی و رادیومتری بر روی داده های ETM+ صورت گرفت. سپس با بازدیدهای میدانی, طبقات مختلف کاربری اراضی تعریف و نمونه های آموزشی انتخاب گردید. در این مطالعه, هدف اصلی مقایسه سه الگوریتم طبقه بندی شبکه عصبی مصنوعی برای طبقه بندی پوشش سطح زمین حوزه دره شهر استان ایلام می باشد. در ضمن, کارکرد این روش ها با روش طبقه بندی درختی با سه روش انشعاب مقایسه شده است. نتایج حاصل از ارزیابی دقت تصاویر طبقه بندی شده نشان داد که روش طبقه بندی شبکه عصبی (به جز کوهونن) با دقت کل متوسط 92 و ضریب کاپای 0.90 ارای دقت بیشتری نسبت به روش طبقه بندی درختی (با سه روش انشعاب) با دقت کل متوسط 90 و ضریب کاپای 0.88 می باشد. به علاوه, زمانی که روش های مختلف شبکه عصبی مورد آنالیز قرار گرفت, مشخص گردید که روش شبکه عصبی آرتمپ فازی نسبت به روش های پرسپترو و کوهونن دقت بالاتری (با دقت کل 2% و 22% و ضریب کاپای 3% و 24% بیشتر) داشت. در این تحقیق, بالاترین دقت طبقه بندی مربوط به طبقه بندی شبکه عصبی مصنوعی آرتمپ فازی بود. بنابراین این مطالعه کارایی و قابلیت الگوریتم های شبکه عصبی مصنوعی را در طبقه بندی تصاویر سنجش از دور اثبات می نماید.

استنادها

  • ثبت نشده است.
  • ارجاعات

    استناددهی

    APA: کپی

    آرخی، صالح، نیازی، یعقوب، و ابراهیمی، حیدر. (1392). مقایسه کارایی الگوریتم های طبقه بندی شبکه عصبی مصنوعی و درختی درتهیه لایه کاربری اراضی با کمک داده های+ETM (مطالعه موردی: حوضه دره شهر استان ایلام). فضای جغرافیایی، 13(44)، 47-72. SID. https://sid.ir/paper/91611/fa

    Vancouver: کپی

    آرخی صالح، نیازی یعقوب، ابراهیمی حیدر. مقایسه کارایی الگوریتم های طبقه بندی شبکه عصبی مصنوعی و درختی درتهیه لایه کاربری اراضی با کمک داده های+ETM (مطالعه موردی: حوضه دره شهر استان ایلام). فضای جغرافیایی[Internet]. 1392؛13(44):47-72. Available from: https://sid.ir/paper/91611/fa

    IEEE: کپی

    صالح آرخی، یعقوب نیازی، و حیدر ابراهیمی، “مقایسه کارایی الگوریتم های طبقه بندی شبکه عصبی مصنوعی و درختی درتهیه لایه کاربری اراضی با کمک داده های+ETM (مطالعه موردی: حوضه دره شهر استان ایلام)،” فضای جغرافیایی، vol. 13، no. 44، pp. 47–72، 1392، [Online]. Available: https://sid.ir/paper/91611/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا