مقاله طبقه بندی داده هایی با ابعاد زیاد سنجش از دوری با تعداد نمونه آموزشی محدود


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
2 بازدید
۹۷,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله طبقه بندی داده هایی با ابعاد زیاد سنجش از دوری با تعداد نمونه آموزشی محدود دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله طبقه بندی داده هایی با ابعاد زیاد سنجش از دوری با تعداد نمونه آموزشی محدود  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله طبقه بندی داده هایی با ابعاد زیاد سنجش از دوری با تعداد نمونه آموزشی محدود،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله طبقه بندی داده هایی با ابعاد زیاد سنجش از دوری با تعداد نمونه آموزشی محدود :

تعداد صفحات:۸

چکیده:

به کمک فن آوری جدید ابر طیف سنجی(Hyperspectral Imaging تعداد باندهای طیفی و حجم اطلاعات مربوط به یک صحنه بشدت افزایش یافته است، این در حالی است که امکان دسترسی به نمونه های آموزشی به تعداد کافی، میسر نبوده و یا بسیار هزینه بر می باشد . محدود بودن تعداد نمونه های آموزشی سبب شده است که کارایی روش های کلاسیک طبقه بندی داده های سنجش از دور، مطلوب نباشند . در این مقاله برای حل این معضل از فرآیند ادغام تصمیم گیری است که بالاترین سطح فن آوری ادغام اطلاعات می باشد، استفاده می شود . به این ترتیب که طیف های موجود در یک تصویر، بر اساس معیارهای مختلفی از جمله همبستگی، به چند دسته کوچک تقسیم شده و اطلاعات هر دسته بعنوان داده های یک منبع جدید در نظر گرفته می شود. منابع حاصله بصورت مجزا مورد بررسی قرار گرفته و بر اساس الگوریتم های مختلف، از قبیل حداکثر احتمال و شبکه عصبی طبقه بندی اولیه می شوند. تصمیم نهایی بر اساس ادغام نتایج طبقه بندی های اولیه، با استفاده از الگوریتم های مناسب اتخاذ م ی گردید. این روند روی داده های واقعی اجرا ش د و نتایج با استفاده از معیارهای مختلف مانند درجه صحت، درجه اعتبار و نقشه طبقه بندی مورد تجزیه تحلیل کمی و کیفی قرار گرفتند . نتایج نشان می دهد که این روش می تواند مشکل محدود بودن تعداد نمونه های آموزشی در داده های ابرطیفی را تا حد قابل توجهی جبران نماید

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.