بهبود روش استخراج ویژگی غیرپارامتریک وزن دار با استفاده از ترکیب خطی نمونه های آموزشی در تصاویر ابرطیفی

در این تحقیق، روشی برای بهبود استخراخ ویژگی غیرپارامتریک زون دار ارائه شده است، که در مسائل تشخیص الگو در فضاهای با ابعاد بالا استفاده می گردد. روش استخراج غیرپارامتریک زون دار بر اساس بسط غیرپارامتریک ماتریس های پراکندگی قرار گرفته است، که پارمترهای مانگین آن ها به طور جداگانه برای هر نمونه و با استفاده از مجموع وزن دار نمونه های سایر کلاس ها محاسبه می شود. وزن هر یک از این نمونه ها بر اساس فاصله اقلیدسی آن ها از نمونه اصلی (نمونه تحت بررسی) محاسبه می گردد. اما تنها با استفاده از پارامتر فاصله نمی توان پراکندگی نمونه ها را به طور کامل بیان کرد، و محل قرار گیری آن ها نیز در بیان پراکندگی نمونه ها موثر است. بدین معنی که ممکن است دو نمونه که فواصل یکسانی از نمونه صلی (نمونه تحت بررسی) دارند، وابستگی شان به آن نمونه یکسان نباشد. به عنوان ممکن است که یکی از آن ها کامله به نمونه اصلی وابسته باشد و دیگری کاملا مستقل از آن باشد. از سوی دیگر، این وابستگی ها با ترکیب خطی آن ها مرتبط است. چرا که در حالت ایده آل انتظار می رود نمونه های یک کلاس، کاملا ترکیبی خطی از یکدیگر باشند و نمونه های کلاس های متفاوت کاملا مستقل از هم باشند. از این رو، ترکیب خطی بین نمونه ها در تعیین پراکندگی ها موثر خواهد بود. در پژوهش حاضر، با استفاده از پارامتر مهم ترکیب خطی، نتیجه روش استخراخ ویژگی غیرپارامتریک وزن دار بهبود یافته است. نتایج نشان می دهند که روش ارائه شده در اکثر کلاس ها و به یوژه در کلاس های بحرانی که تشابه طیفی بالایی نسبت به هم دارند، بهتر از روش استخراج ویژگی غیرپارامتریک وزن دار عمل کرده است. بهترین نتیجه به دست آمده دارای دقت کلی بیش از 82 درصد یا ضریب کاپایی بهتراز 80 درصد بوده است.