ارائه یک روش انتخاب ویژگی براساس الگوریتم ژنتیک و درخت تصمیم به منظور طبقه بندی تصاویر تمام پلاریمتریک راداری

یک تصویر تمام پلاریمتریک راداری (polsar) قادر است ویژگی­های پلاریمتریک مهمی برای طبقه­بندی پوشش زمینی فراهم کند. این ویژگی­ها می توانند پارامترهای مستخرج از ماتریس پراکنش، کواریانس و همدوسی یا پارامترهای مستخرج از روش­های تجزیه هدف یا هر دو دسته باشد. در این مقاله، ویژگی­های پلاریمتریک فراوانی از یک تصویر polsar استخراج می­شود. سپس با استفاده از الگوریتم ژنتیک (ga) و درخت تصمیم (dt)، یک روش انتخاب ویژگی مبتنی بر طبقه­بندی ارائه می­شود. پس از آن، طبقه بندی کننده dt با ویژگی­های انتخابی از روش پیشنهادی با طبقه­بندی­کننده dt با تمام ویژگی­ها مقایسه می­شود. علاوه بر این، روش پیشنهادی با روش انتخاب ویژگی ga و ماشین بردار پشتیبان (svm) نیز مقایسه می­شود. نتایج نشان داد که دقت روش پیشنهادی (dt با ویژگی­های منتخب از ga-dt) حدوداً 3 درصد بیشتر از دقت روش dt با تمام ویژگی­ها و تقریباً نزدیک به دقت روش dt  با ویژگی­های منتخب از ga-svm شد. این درحالی­است، که سرعت عملکرد روش پیشنهادی تقریباً 5 برابر بیشتر از سرعت عملکرد روش dt با ویژگی­های منتخب از ga-svm شد. به­عنوان یک نتیجه­ی دیگر، ویژگی­های منتخب از روش پیشنهادی موفقیت بیشتری در تفکیک کلاس­های شهری و پوشش گیاهی نسبت به ویژگی­های دو روش دیگر داشتند.