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
نویسندگان
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