ارزیابی کارایی الگوریتم های ماشین بردار پشتیبان جهت طبقه بندی کاربری اراضی با استفاده از داده های ماهواره اي

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

 ارزیابی کارایی الگوریتم های ماشین بردار پشتیبان جهت طبقه بندی کاربری اراضی با استفاده از داده های ماهواره اي دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارزیابی کارایی الگوریتم های ماشین بردار پشتیبان جهت طبقه بندی کاربری اراضی با استفاده از داده های ماهواره اي  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 ارزیابی کارایی الگوریتم های ماشین بردار پشتیبان جهت طبقه بندی کاربری اراضی با استفاده از داده های ماهواره اي،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارزیابی کارایی الگوریتم های ماشین بردار پشتیبان جهت طبقه بندی کاربری اراضی با استفاده از داده های ماهواره اي :

نام کنفرانس، همایش یا نشریه : تحقیقات مرتع و بیابان ایران

تعداد صفحات :۲۴

طبقه بندی کاربری اراضی با استفاده از تصاویر سنجش از دور یکی از مهمترین کاربردهای سنجش از دور است و بسیاری از الگوریتم ها برای این منظور توسعه یافته اند. این مطالعه کارایی الگوریتم های ماشین بردار پشتیبان (SVMs) را در طبقه بندی تصاویر ماهواره ای مورد بررسی قرار می دهد. ماشین های بردار پشتیبان یک گروه از الگوریتم های طبقه بندی نظارت شده یادگیری ماشینی هستند که در زمینه سنجش از دور مورد استفاده قرار گرفته اند. دقت طبقه بندی حاصل از SVMs با توجه به نوع تابع کرنل متغیر است. در این مطالعه، الگوریتم های SVM برای طبقه بندی کاربری اراضی حوزه سد ایلام با استفاده از داده های +ETM لندست مورد استفاده قرار گرفته است. طبقه بندی با استفاده از روش ماشین های بردار پشتیبان، بصورت خودکار و با استفاده از چهار نوع کرنل خطی، چندجمله ای، شعاعی و حلقوی اجرا شده است. در ضمن، کارکرد این روش با روش طبقه بندی حداکثر احتمال مقایسه شده است. نتایج نشان می دهد که الگوریتم های SVM خصوصا سه کرنل خطی، چندجمله ای و شعاعی نسبت به روش طبقه بندی حداکثر احتمال از نظر دقت کل (حدود ۱۰%) و ضریب کاپا (حدود ۱۵%) برتری دارد. بنابراین این مطالعه کارایی و قابلیت الگوریتم های SVM را در طبقه بندی تصاویر سنجش از دور اثبات می نماید.

کلید واژه: طبقه بندی نظارت شده، کاربری اراضی، روش حداکثر احتمال، ماشین های بردار پشتیبان، حوزه سد ایلام