طبقه بندی دانش مبنای داده های پلاریمتری رادار با روزنه ترکیبی با استفاده از روش support vector machine-decision tree (svm-dt)

Authors

محسن جعفری

m. jafari k. n. toosi university of technologyدانشگاه صنعتی خواجه نصیرالدین طوسی محمد جواد ولدان زوج

m. j. valadanzoej k. n. toosi university of technologyدانشگاه صنعتی خواجه نصیرالدین طوسی یاسر مقصودی

y. maghsoudi k. n. toosi university of technologyدانشگاه صنعتی خواجه نصیرالدین طوسی

abstract

روش های مختلف طبقه بندی داده پلاریمتری به طورکلی در سه گروه قرار می گیرند. (1) روش های آماری، (2) روش های برمبنای مکانیسم پراکنش و (3) روش های دانش مبنا. در این مقاله روشی دانش مبنا و شیءمبنا برای طبقه بندی داده ی پلاریمتری مطرح شده است که در آن روش طبقه بندی svm-dt برای تلفیق دانش در سه بخش دانش اولیه، دانش حاصل از داده پلاریمتری و دانش خبره توسعه داده شده است. دانش حاصل از داده (آماری، فیزیکی و مکانی) در مراحل تعیین طرح درختی، ویژگی برای طبقه بندی کننده svm و همچنین در انتخاب ویژگی های بهینه به کار گرفته می شود. دانش اولیه برای توازن تعداد داده های آموزشی در طبقه بندی کننده svm استفاده می شود. درنهایت دانش خبره نیز در دو مرحله ایجاد طرح درختی و همچنین انتخاب ویژگی های بهینه درروش پیشنهادی استفاده می شود. داده پلاریمتری سنجنده رادارست-2 از منطقه ی جنگلی petawawa کانادا با شش کلاس بلوط قرمز (or)، کاج سفید (pw)، صنوبر سیاه (sb)، آب (wa)، منطقه ی شهری (ur) و پوشش گیاهی (gv) برای پیاده سازی این تحقیق انتخاب شده است. برای بررسی تأثیر دانش های مختلف درروش پیشنهادی 6 طبقه بندی کننده در آزمایش ها مقایسه شده است: طبقه بندی کننده ویشارت، svm با تمام ویژگی ها، svm-dt با تمام ویژگی ها، svm-dt شیءمبنا با تمام ویژگی ها، svm-dt شیءمبنا همراه با انتخاب ویژگی و svm-dt شیءمبنا با انتخاب ویژگی و دانش اولیه. نتایج نشان داد اضافه شدن دانش های مختلف به طبقه بندی تأثیر مثبت و خوبی بر روی کلاس های جنگل دارد اگرچه برخی از این دانش ها در کلاس های دیگر بی تأثیر و یا حتی تأثیر منفی دارند. درنهایت دقت کلی روش پیشنهادی حدود 87 درصد حاصل شد که در مقایسه با روش ویشارت 15 درصد و در مقایسه با طبقه بندی کننده svm، 9 درصد بهبود داشته است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

طبقه‌بندی دانش‌مبنای داده‌های پلاریمتری رادار با روزنه ترکیبی با استفاده از روش Support Vector Machine-Decision Tree (SVM-DT)

روش‌های مختلف طبقه‌بندی داده پلاریمتری به‌طورکلی در سه گروه قرار می‌گیرند. (1) روش‌های آماری، (2) روش‌های برمبنای مکانیسم پراکنش و (3) روش‌های دانش‌مبنا. در این مقاله روشی دانش‌مبنا و شیءمبنا برای طبقه‌بندی داده‌ی پلاریمتری مطرح‌شده است که در آن روش طبقه‌بندی SVM-DT برای تلفیق دانش در سه بخش دانش اولیه، دانش حاصل از داده پلاریمتری و دانش خبره توسعه داده‌شده است. دانش حاصل از داده (آماری، فیزیکی...

full text

ارائه یک روش جدید برای طبقه بندی تصاویر پلاریمتری رادار با روزنه مجازی براساس تلفیق ماشین بردار پشتیبان و میدان های تصادفی مارکوف

در این مقاله یک روش نوین طبقه­بندی متنی به منظور طبقه­بندی تصاویر پلاریمتری رادار با روزنه مجازی ارائه شده است. روش پیشنهادی با تلفیق ماشین بردار پشتیبان (SVM) و طبقه­بندی­کننده ویشارت عمل می­کند. بدین ترتیب این روش از مزایای هر دو نوع روش­های پارامتریک و غیر پارامتریک بهره می­برد. در این روش، ابتدا تابع انرژی اولیه میدان­های تصادفی مارکوف (MRF) در یک همسایگی از هر پیکسل محاسبه می­گردد. سپس با ...

full text

طبقه بندی پدیده های کیفیت توان با استفاده از روش ball vector machine

کیفیت توان امروزه به عنوان مبحث مهمی در مهندسی قدرت تبدیل شده است. علت عمده ی اهمیت یافتن کیفیت توان، افزایش تجهیزات حساس مصرف کنندگان در ته خط می باشد ]1[. در شبکه های امروزی با توجه به وجود بارهای حساس و اهمیت عملکرد مناسب این تجهیرات، بررسی پدیده هایی موسوم به پدیده-های کیفیت توان که باعث ایجاد تغییرات در ولتاز شبکه می شوند و جلوگیری از بروز آن ها و هم چنین کاهش اثرات زیان بار آن ها در صورت ...

طبقه بندی عارضه مبنای تصاویر پلاریمتری سار با استفاده از طبقه بندی کننده های چندگانه ماشین بردار پشتیبان

طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و داده­های مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این مقاله یک روش عارضه مبنا برای طبقه بندی مناطق شهری با استفاده از داده های پلاریمتری راداری به صورت تلفیق نتایج پیکسل مبنای طبقه بندی svm و قطعات...

full text

طبقه بندی پوشش های جنگلی با استفاده از داده های پلاریمتری فشرده

اخیرا رشد قابل توجهی در سیستم­های dual-polarimetry (dp) به­وجود آمده است که compact polarimetry (cp) نامیده می­شود. cp یک سیستم تصویربرداریdp  است که چندین مزیت مهم را نسبت به دیگر سیستم­های چندپلاریزاسیون sar دارد. از جمله آن­ها می­توان به قابلیت کاهش پیچیدگی سیستم، هزینه، وزن و نرخ داده­های سیستم sar اشاره کرد. یکی از زمینه­های تحقیقاتی مورد توجه سنجش از دور راداری مطالعه جنگل­ها است، چراکه ن...

full text

تعیین مرزهای بهینه برای نواحی طبقه بندی آلفا انتروپی داده پلاریمتری فشرده دو دایروی با استفاده از مفهوم حداکثر مشابهت

یکی از مهمترین اهداف پژوهشگران در حوزه پلاریمتری فشرده، پیشنهاد روش‌هایی جهت نزدیک‌تر کردن اطلاعات و نتایج حاصل از داده های پلاریمتری حالت فشرده به نتایج حاصل از داده های پلاریمتری حالت کامل می باشد. یکی از روش های پرکاربرد جهت استخراج مکانیسم های پراکندگی داده های پلاریمتری، روش طبقه بندی بر اساس فضای انتروپی-آلفا می باشد. فضای طبقه بندی انتروپی-آلفای داده حالت فشرده دو دایروی که در ادبیات موض...

full text

My Resources

Save resource for easier access later


Journal title:
علوم و فنون نقشه برداری

جلد ۵، شماره ۱، صفحات ۹۳-۱۰۸

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023