ارزیابی کارایی چهار روش شبکه عصبی مصنوعی در تهیه نقشه پوشش/کاربری اراضی با استفاده از تصاویر ماهواره ای

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

 ارزیابی کارایی چهار روش شبکه عصبی مصنوعی در تهیه نقشه پوشش/کاربری اراضی با استفاده از تصاویر ماهواره ای دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارزیابی کارایی چهار روش شبکه عصبی مصنوعی در تهیه نقشه پوشش/کاربری اراضی با استفاده از تصاویر ماهواره ای  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 چهار روش شبکه عصبی مصنوعی در تهیه نقشه پوشش/کاربری اراضی با استفاده از تصاویر ماهواره ای،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارزیابی کارایی چهار روش شبکه عصبی مصنوعی در تهیه نقشه پوشش/کاربری اراضی با استفاده از تصاویر ماهواره ای :

نام کنفرانس، همایش یا نشریه : جغرافیا و توسعه

تعداد صفحات :۱۸

نقشه های پوشش/ کاربری اراضی حاصل از تصاویر ماهواره ای نقش مهمی در ارزیابی های منطقه ای و ملی پوشش/ کاربری اراضی ایفا می کنند. طی سال های گذشته، کاربردهای زیادی از روش های طبقه بندی شبکه عصبی مصنوعی برای طبقه بندی پوشش/کاربری اراضی در منابع گزارش شده است، اما مطالعات معدودی، مقایسه آنها با هم را ارزیابی نموده اند. در این مطالعه، ابتدا تصحیحات هندسی بر روی داده های ETM+ صورت گرفت. سپس با بازدیدهای میدانی، طبقات مختلف پوشش/ کاربری اراضی تعریف و نمونه های آموزشی انتخاب گردید. در این مطالعه، هدف اصلی مقایسه چهار روش شبکه عصبی مصنوعی برای طبقه بندی پوشش سطح زمین در سه منطقه مهران (مرکز استان ایلام)، دویرج (جنوب استان ایلام) و سرابله (شمال استان ایلام) با شرایط اقلیمی متفاوت می باشد. در این مطالعه، از روش های شبکه عصبی مصنوعی آرتمپ فازی، تابع پایه شعاعی، کوهونن و پرسپترون چند لایه استفاده شده است. نتایج ارزیابی دقت تصاویر طبقه بندی شده نشان داد که روش طبقه بندی آرتمپ فازی با دقت کل متوسط ۹۴.۸۴ و ضریب کاپای متوسط ۰.۹۳ درصد دارای بیشترین دقت نسبت به سایر روش های بررسی شده می باشد. اختلاف دقت کل متوسط در این روش نسبت به روش تابع پرسپترون ۱۱.۴۴ و اختلاف ضریب کاپا متوسط ۰.۱۸ درصد، نسبت به روش کوهونن به ترتیب ۱۷.۳ و ۰.۲۳ درصد و نسبت به روش پایه شعاعی ۳۱.۰۱ و ۰.۳۶ درصد می باشد. در این تحقیق، بالاترین دقت طبقه بندی مربوط به طبقه بندی شبکه عصبی مصنوعی آرتمپ فازی بود. بنابراین این مطالعه کارایی و قابلیت روش شبکه عصبی مصنوعی آرتمپ فازی را در طبقه بندی بهتر تصاویر سنجش از دور اثبات می نماید.

کلید واژه: کاربری اراضی، طبقه بندی تصویر، تابع پایه شعاعی، شبکه عصبی کوهونن، شبکه عصبی پرسپترون