مقاله ارزیابی الگوریتمهای طبقه بندی شبکه های عصبی و حداکثرهمانندی برای استخراج پوشش گیاهی دیم با استفاده از تصاویر ماهوارهای IRS در حوضه کشور

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

  مقاله ارزیابی الگوریتمهای طبقه بندی شبکه های عصبی و حداکثرهمانندی برای استخراج پوشش گیاهی دیم با استفاده از تصاویر ماهوارهای IRS در حوضه کشور دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارزیابی الگوریتمهای طبقه بندی شبکه های عصبی و حداکثرهمانندی برای استخراج پوشش گیاهی دیم با استفاده از تصاویر ماهوارهای IRS در حوضه کشور  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 ارزیابی الگوریتمهای طبقه بندی شبکه های عصبی و حداکثرهمانندی برای استخراج پوشش گیاهی دیم با استفاده از تصاویر ماهوارهای IRS در حوضه کشور،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارزیابی الگوریتمهای طبقه بندی شبکه های عصبی و حداکثرهمانندی برای استخراج پوشش گیاهی دیم با استفاده از تصاویر ماهوارهای IRS در حوضه کشور :

تعداد صفحات:۱۲

چکیده:

کشت دیم از جمله پوشش های گیاهی میباشد که درتصاویر ماهوار های از نظر ویژگی های طیفی، رفتاری کاملاً پیچیده و غیرخطی از خود نشان می دهند و براحتی نمی توان با خصوصیات طیف یشان آنها را از هم تمیز داد. لذا میتوان از داده های کمکی مانند بافت و شیب، جهت افزایش دقت تفکیک پذیری در کنار داده های طیفی استفاده نمود. در این تحقیق از الگوریتم طبقه بندی شبکه عصبی مصنوعی به دلیل محدود نبودن به مقیاس اندازه گیری یا توزیع آماری داده ها، در فرآیند طبقه بندی استفاده گردید. از سوی دیگر، روش حداکثرهمانندی قابل اعتمادترین روش طبقه بندی آماری بوده که وابسته به توزیع آماری داده های ورودی می باشد که مشخصات آماری داده ها را در تابع تفکیک کننده اش جهت طبقه بندی تصاویر ماهواره ای در فضای چند طیفی بکار می برد. لذا در این تحقیق، دقت این دو الگوریتم جهت استخراج اراضی دیم ارزیابی میگردد. منطقه مورد مطالعه قسمتی از حوضه کشور که دارای مساحتی حدود ۱۴۰ کیلومتر مربع بوده، و از حیث جغرافیایی درجنوب شرقی شهر خرم آباد قرار گرفته است. این تحقیق از سه مرحله تشکیل شده است. مرحله اول استخراج ویژگی های بافتی (واریانس، کنتراست، انتروپی و انرژی) با استفاده از هیستوگرام مرتبه دوم و تهیه نقشه شیب با تعیین آستانه های مناسب بود. در مرحله دوم، طبقه بندی تصویر با الگوریتم های شبکه عصبی پرسپترون و حداکثر همانندی انجام شد، که شبکه با سه لایه، شامل پانزده نرون در لایه ورودی (دوازده ویژگی بافتی و سه ویژگی طیفی)، هفت نرون در لایه میانی و شش نرون در لایه خروجی(شش کلاس) تشکیل شد. در مرحله سوم نتایج ماتریس خطا و ضرائب کاپا نشان داد که طبقه بندی شبکه عصبی پرسپترون با انضمام ویژگی های بافت نسبت به الگوریتم حداکثرهمانندی از دقت بالاتری برخوردار است. و ملاحظه شد که دقت طبقه بندی اراضی دیم از ۶۸,۴۱ درصد در حداکثرهمانندی به ۷۵ درصد در شبکه های عصبی افزایش یافته است.