یک الگوریتم سریع مبتنی بر ماشین بردار پشتیبان برای طبقهبندی تصاویر ابرطیفی با استفاده از همبستگی مکانی
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
یک الگوریتم سریع مبتنی بر ماشین بردار پشتیبان برای طبقهبندی تصاویر ابرطیفی با استفاده از همبستگی مکانی دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد یک الگوریتم سریع مبتنی بر ماشین بردار پشتیبان برای طبقهبندی تصاویر ابرطیفی با استفاده از همبستگی مکانی 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 یک الگوریتم سریع مبتنی بر ماشین بردار پشتیبان برای طبقهبندی تصاویر ابرطیفی با استفاده از همبستگی مکانی،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن یک الگوریتم سریع مبتنی بر ماشین بردار پشتیبان برای طبقهبندی تصاویر ابرطیفی با استفاده از همبستگی مکانی :
نام کنفرانس، همایش یا نشریه : مهندسی برق و مهندسی کامپیوتر ایران
تعداد صفحات :۱۰
با افزایش تعداد باندهای تصاویر سنجش از دور، الگوریتمهای استخراج ویژگی مانند تحلیل مؤلفههای اصلی، تحلیل مؤلفههای مستقل، نگاشت جستجوگر، استخراج ویژگی با مرز تصمیمگیری، تحلیل ممیز و تبدیل موجک به منظور کاهش تعداد ویژگیها و بهبود طبقهبندی مورد استفاده قرار گرفتهاند. اما این الگوریتمها به دلیل افزایش تعداد منابع اطلاعاتی، حجم دادهها و محدود بودن تعداد نمونههای آموزشی در تصاویر ابرطیفی، بازدهی مطلوبی ندارند. در این مقاله برای حل این مشکل، الگوریتم جدید مبتنی بر ماشین بردار پشتیبان ارایه گردیده است. این الگوریتم پس از یک طبقهبندی اولیه، با استفاده از کلاس هر پیکسل و همسایههایش به صورت سلسلهمراتبی تصمیمگیری میکند. تصمیمگیری در هر یک از سطوح این طبقهبندی کننده بوسیله یک ماشین بردار پشتیبان انجام میشود. این الگوریتم بر روی دادههای واقعی ابر طیفی سنجنده AVIRIS اجرا شد. نتایج نشان میدهد که صحت طبقهبندی دادههای ابرطیفی با استفاده از این الگوریتم بسیار مطلوب بوده و مشکل محدود بودن تعداد نمونههای آموزشی تا حد قابل توجهی جبران شده است. در واقع این تحقیق با ادغام اطلاعات مکانی و استفاده از طبقهبندی کننده ماشین بردار پشتیبان صحت طبقهبندی را بهبود میبخشد. این الگوریتم زمان لازم برای طبقهبندی تصاویر ابرطیفی را با استفاده از ماشین بردار پشتیبان، بسیار کاهش داده و کارآیی الگوریتم ماشین بردار پشتیبان را به عنوان طبقهبندی کننده تصاویر ابرطیفی افزایش میدهد.
کلید واژه: تصاویر ابرطیفی، سنجش از دور، طبقه بندی، طبقه بندی کننده سلسله مراتبی، ماشین بردار پشتیبان
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.