ارائه روشی ترکیبی از شبکه های عصبی نظارت شده و نظارت نشده در طبقه بندی تصاویر سنجش از دور
Authors
abstract
در پژوهش حاضر، روشی ترکیبی از شکبههای عصبی نظارت شده و نظارت نشده برای طبقه بندی تصاویر سنجش از دور ارائه شده است. مبنای الگوریتم پیشنهادی، شبکه های خودسازمانده (som) و الگوریتم شبکه عصبی پس اتشار خطاست. الگوریتم طبقه بندی نظارت نشده som به تنهایی قادر به طبقه بندی و برچسب گذاری دقیق نتیجه نهایی نیست، لذا در نوشتار حاضر از الگوریتم پس انتشار خطا برای تعیین بر چسب نهایی کلاس ها استفاده شده است. در ابتدا تصویر با استفاده از الگوریتم شبک های خودسازمانده بخش بندی می شود. سپس برچسب های نرون های شبکه های خودسازمانده با استفاده از الگوریتم پس انتشار خطا و داده های آموزشی تعیین می شود و در ادامه نقشه پوششی تهیه می گردد. به منظور کاهش حجم سنگین محاسبات شبکه های خودسازمانده، در پژوهش حاضر از الگوریتم pca برای تعیین مقدار اولیه بردار وزن نرون ها استفاده شده است. ارزیابی الگوریتم پیشنهادی با تصاویر چندطیفی لندست (etm+) و ikonos انجام گرفت. هر قسمت از الگوریتم با الگوریتم های دیگر جایگزین شد و نتایج به دستآمده با الگوریتم پیشنهادی مقایسه گردید. در ابتدا به جای الگوریتم som از الگوریتم های نظارت نشده k-means و fcm و به جای الگوریتم mlp برای تعیین بر چسب نرون های الگوریتم som از الگوریتم knn استفاده گردید. همنچنین نتایج نهایی الگوریتم پیشنهادی با دیگر الگوریتم های طبقه بندی مقایسه شد. نتایج حاصل از دقت طبقه بندی الگوریتم پیشنهادی و دیگر الگوریتم ها، نشان می دهد که الگوریتم پیشنهادی توانانی بهبود نتایج طبقه بندی را – به ویژه برای تعداد نمونه های آموزشی اندک - داراست.
similar resources
طبقه بندی نظارت شده جوامع گیاهی شمشاد هیرکانی با استفاده از شبکه عصبی مصنوعی
در این پژوهش، کاربرد روش شبکه عصبی مصنوعی یا MLP در فرآیند تخصیص رلوه- گروه‌ها/جوامع‌گیاهی با استفاده از پایگاه اطلاعاتی ترکیب‌گیاهی جنگل‌های شمشاد هیرکانی (Buxus hyrcana Pojark.) ارزیابی شد. برای این منظور، نخست گروه‌های بوم‌شناختی و جامعه‌شناختی شمشاد هیرکانی به ترتیب با استفاده از نتایج دو روش عددی TWINSPAN و تجربی براون-بلانکه تعیین شد. نتایج هر دو دارنگاره عددی و تجربی طبقهبندی مشتمل بر 7...
full textارزیابی الگوریتم های طبقه بندی نظارت شده غیرپارامتریک در تهیة نقشه پوشش زمین با استفاده از تصاویر لندست 8
هدف از این تحقیق ارزیابی کارایی سه الگوریتم ماشین بردار پشتیبان، درخت تصمیمگیری و شبکه عصبی مصنوعی فازی آرتمپ جهت تهیة نقشه پوشش زمین حوزه آبخیز ارکواز با استفاده از تصویر سنجنده OLI ماهواره لندست 8 (سال 1393) است. پس از تصحیح هندسی تصاویر و پیشپردازشهای صورت گرفته، اقدام به تعیین نمونههای تعلیمی مربوط به طبقات پوشش زمین برای انجام عملیات طبقهبندی شد و ارزیابی تفکیک پذیری نمونهها در هر کد...
full textطبقه بندی نظارت نشده تصاویر فراطیفی با الگوریتم خوشه بندی possibilistic fuzzy c-means
روش های طبقه بندی از مهم ترین روش های استخراج اطلاعات از تصاویر سنجش از دوری می باشند که به طور مرسوم به دو دسته نظارت شده و نظارت نشده تقسیم می شوند. روش های نظارت شده نیازمند جمع آوری داده های آموزشی بوده و مستلزم صرف هزینه و زمان می باشند. در مقابل، روش های نظارت نشده فقط متکی بر داده های تصویری بوده و اغلب به صورت اتوماتیک انجام می شوند. روش های نظارت نشده نسبت به روش های نظارت شده اگر چه م...
full textارائه روشی جهت انتخاب باند برای آشکارسازی نظارت شده اهداف زیر پیکسلی در تصاویر ابرطیفی
در دهه های اخیر مطالعات بسیاری در زمینه آشکارسازی هدف در تصاویر ابرطیفی انجام شده است. این در حالیست که در زمینه آشکارسازی هدف مطالعات کمتری نسبت به حوزه طبقهبندی جهت کاهش ابعاد و انتخاب باندهای مناسب انجام شده است. از طرفی در پردازش دادههای سنجش از دور، انتخاب باند در حوزه پردازش تصاویر ابرطیفی نقش بسیار مهمی دارد. چرا که از مجموعه تمام باندهای تصویر، بهترین آنها را از لحاظ ارزش و تنوع اطلا...
full textاستفاده از شبکه عصبی مرکب (Committee Machine) نظارت شده جهت بهبود الگوریتم شبکه های عصبی در تخمین تراوایی مخازن نفتی
Reservoir permeability is a critical parameter for the evaluation of hydrocarbon reservoirs. There are a lot of well log data related with this parameter. In this study, permeability is predicted using them and a supervised committee machine neural network (SCMNN) which is combined of 30 estimators. All of data were divided in two low and high permeability populations using statistical study. E...
full textMy Resources
Save resource for easier access later
Journal title:
سنجش از دور و gis ایرانجلد ۱، شماره ۳، صفحات ۰-۰
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023