مقاله کنفرانسی سال ۱۳۹۷ فارسی

توسعه ی سیستم طبقه بندی کننده چندگانه با استفاده از تلفیق تصادفی باندهای مجاور به منظور طبقه بندی تصاویر ابر طیفی

چکیده مقاله

سیستم های طبقه بندی چندگانه 1 MCSs عملکرد مناسبی برای طبقه بندی تصاویر ابر طیفی از خود نشان داده اند این نوع از طبقهبندی کنندهها به الگوریتمهای خاصی اشاره نمیکنند؛ این روشها در حقیقت تلفیق نتایجچندین طبقهبندی کننده مجزا به نام ensemble ، به منظور دستیابی به عملکرد بهتر میباشد کلید موفقیت MSC ها دو مورد: 1 متفاوت بودن و 2 دقیق بودن نتایج ensemble ها میباشد یکی از روش موجود برای تولید ensemble های متفاوت، انتخاب تصادفی ویژگی باند میباشد که به روش انتخاب تصادفی ویژگی 2 RFS معروف است اگرچه در این روش، جنبه متفاوت بودن ensemble ها بالا میباشد، تضمینی در مناسب بودنویژگیهای استفاده شده وجود ندارد برای مثال اگر ویژگی های موجود آغشته به نویز تصادفی باشند، نتایج طبقه بندی کننده دقیق و قابل اطمینان نمیباشد در این تحقیق برای پوشاندن ضعف روش مذکور، روشی با نامانتخاب تصادفی قطعه 3 RSS ارائه شده است در این روش، برای تولید ensemble ها، در ابتدا به صورت تصادفی خوشههایی از ویژگی باند های مجاور انتخاب میشوند سپس در هر خوشه، با انجام میانگین گیری از ویژگیها، یک ویژگی جدید استخراج شده و عملیات طبقه بندی انجام میگیرد استخراج ویژگی پیشنهادی در روش RSS ، باعث کاهش نویز تصادفی در باندهای اصلی شده و نسبت سیگنال به نویز را افزایش میدهد علاوه برافزایش نسبت سیگنال به نویز، روش استخراج ویژگی فوق باعث کاهش انحراف معیار یا به عبارتی فاصله ی درون کلاسی شده و در نتیجه قابلیت تفکیک پذیری بین کلاسها را بالا میبرد نتایج انجام شده در این تحقیق، حاکی از برتری روش پیشنهادی بر روش RFS میباشد، به طوری که روش پیشنهادی را میتوان جایگزین مناسبی برای آن خواند

کلیدواژه‌ها

طبقه بندی تصاویر ابرطیفی سیستم طبقه بندی چندگانه روش انتخاب تصادفی ویژگی

نویسندگان

تصویر سیداحمد علیزاده مقدم

سیداحمد علیزاده مقدم

دانشجوی کارشناسی ارشد سنجش از دور، دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

تصویر مهدی مختارزاده

مهدی مختارزاده

دانشیار دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

تصویر سیدحامد علیزاده مقدم

سیدحامد علیزاده مقدم

فارغ التحصیل کارشناسی ارشد سنجش از دور، دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی

شیوه ارجاع

�لیزاده مقدم، سیداحمد و مختارزاده، مهدی و علیزاده مقدم، سیدحامد،1397،توسعه ی سیستم طبقه بندی کننده چندگانه با استفاده از تلفیق تصادفی باندهای مجاور به منظور طبقه بندی تصاویر ابر طیفی،بیست و پنجمین همایش و نمایشگاه ملی ژئوماتیک و سومین کنفرانس مهندسی فناوری اطلاعات مکان،تهران

ارائه‌شده در

پوستر مجموعه مقالات بیست و پنجمین همایش و نمایشگاه ملی ژئوماتیک و سومین کنفرانس مهندسی فناوری اطلاعات مکان مجموعه مقالات بیست و پنجمین همایش و نمایشگاه ملی ژئوماتیک و سومین کنفرانس مهندسی فناوری اطلاعات مکان30 آبان 1397 · تهران
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۳۹۷ ۳,۷۹۳ مشاهده

بازسازی صحنه جرائم و تصادفات رانندگی توسط فتوگرامتری برد کوتاه

در صحنه تصادفات، فرصتکمی برای پرداختن به جزئیات و تجزیه و تحلیل صحنه وجود دارد همچنین اهمیت تولید نقشه…

فتوگرامتری برد کوتاهبررسی صحنه جرمبررسی صحنه تصادف
مقاله کنفرانسی سال ۱۳۹۷ ۳,۶۰۵ مشاهده

ارزیابی ژئوئید محلی IRG2016 با مدل های ژئوئید EGM در منطقه شمال شرق ایران

تعیین ارتفاع ژئوئید به صورت محلی و جهانی در خشکی و در دریا مورد توجه ژئودزین هاست در ایران نیز تلاش های…

ژئوئید محلی IRG2016مدل EGM2008مدل ژئوپتانسیل
مقاله کنفرانسی سال ۱۳۹۷ ۲,۶۴۳ مشاهده

طراحی سیستم هوشمند جمع آوری پسماند شهری با استفاده از تکنولوژی اینترنت اشیا و سیستم اطلاعات مکانی(IOT and GIS)

هوشمند سازی در سیستم جمع آوری پسماند نسبت به روش سنتی، نظارت بهتر، افزایش کیفیت خدمات و کاهش هزینه ها را…

جمع آوری پسمانداینترنت اشیاشهر هوشمند
مقاله کنفرانسی سال ۱۳۹۷ ۲,۵۸۲ مشاهده

آیا شبه سونامی بندر دیر قابل پیش بینی بود استفاده از شبکه پایش تراز آب سازمان نقشه برداری کشور به منظور پیش بینی سونامی

طغیان آب دریا بصورت شبه سونامی در صبح 29 اسفند 1395 در سواحل استان بوشهر بوقوع پیوست ارتفاع امواج دریا ب…

شبه سونامیبوشهرپایش تراز آب
مقاله کنفرانسی سال ۱۳۹۷ ۲,۴۲۲ مشاهده

بررسی میزان جابجایی زمین در اثر زلزله سرپل ذهاب با استفاده از داده های راداری ماهواره سنتینل 1 –

زلزله جزو ناگهانی ترین و پرآسیب ترین بلایا از نظر خسارت جانی و مالی است اقدامات زیادی پس از وقوع زلزله ب…

سنتینل1تداخل سنجی راداری
مقاله کنفرانسی سال ۱۳۹۷ ۲,۳۱۸ مشاهده

مقایسه روش های یادگیری عمیق Mask R-CNN و CRF-RNN به منظور شناسایی و قطعه بندی سر نوزاد در تصاویر رنگی

امروزه الگوریتم های فراوانی به منظور شناسایی و قطعه بندی تصاویر ارائه شده است ولی تمام الگوریتم های موجو…

قطعه بندیشبکه عصبی عمیقپردازش تصویر