معرفی یک روش بهینه جهت خوشه بندی جزءبندی داده های فراطیفی با استفاده از الگوریتم بهینه سازی توده ذرات

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

 معرفی یک روش بهینه جهت خوشه بندی جزءبندی داده های فراطیفی با استفاده از الگوریتم بهینه سازی توده ذرات دارای ۲۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد معرفی یک روش بهینه جهت خوشه بندی جزءبندی داده های فراطیفی با استفاده از الگوریتم بهینه سازی توده ذرات  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 معرفی یک روش بهینه جهت خوشه بندی جزءبندی داده های فراطیفی با استفاده از الگوریتم بهینه سازی توده ذرات،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن معرفی یک روش بهینه جهت خوشه بندی جزءبندی داده های فراطیفی با استفاده از الگوریتم بهینه سازی توده ذرات :

نام کنفرانس، همایش یا نشریه : علوم و فنون نقشه برداری

تعداد صفحات :۲۰

یکی از موفقیت آمیز ترین کاربردهای داده های فراطیفی، طبقه بندی آن ها و تولید نقشه های پوشش زمین بدون نیاز به داده های واقعیت زمینی است. در میان روش های مختلف طبقه بندی غیرنظارت شده، روش های جزءبندی به دلیل سرعت و عملکرد بالا در خوشه بندی داده های فراطیفی مورد توجه قرار گرفته اند. عملکرد خوشه بندی مبتنی بر جزءبندی این داده ها تابع پنج پارامتر تعداد و موقعیت خوشه ها، تعداد و موقعیت باندها و معیار شباهت است. بنابراین می توان به مساله خوشه بندی جزء بندی به صورت یک مساله بهینه سازی نگاه کرد که هدف در آن پیداکردن موقعیت بهینه پارامترهای مذکور است. بسته به اینکه کدامیک از این پنج پارامتر در فرآیند بهینه سازی توده ذرات وارد شوند چهار حالت معنی دار در این تحقیق در نظر گرفته شده و هدف پیدا کردن حالتی است که به بالاترین دقت در تهیه نقشه های موضوعی منجر شود. لازم به ذکر است که از میان پنج پارامتر مختلف خوشه بندی، معیار شباهت و تعداد خوشه ها به منظور جلوگیری از پدیده افزونی پارامترها وارد فرآیند بهینه سازی نشده و ثابت در نظر گرفته شدند. بررسی ها بر روی یک مجموعه داده شبیه سازی و دو داده واقعی نشان دادند که از میان چهار حالت مورد بررسی در این تحقیق، حالتی که تعداد باندها در یک مرحله پیش پردازشی توسط خوشه بندی باندها در فضای داده ها یا با استفاده از تبدیل PCA در فضای ویژگی کاهش داده می شود دارای دقت بالاتری در تهیه نقشه های موضوعی هستند.

کلید واژه: داده های فراطیفی، طبقه بندی نظارت نشده، خوشه بندی باندها، الگوریتم بهینه سازی توده ذرات