ارائه یک سیستم طبقه بندی کننده چندگانه فازی برای ادغام داده های فراطیفی و لیدار

author

Abstract:

محدودیت­های سنجنده­های مختلف سنجش از دور و ضعف آنها در شناسایی عوارض مختلف باعث شد ادغام داده­های حاصل از سنجنده­های مختلف به منظور بهبود نتایج طبقه بندی مورد توجه قرار گیرد. در میان سنجنده­های مختلف کنونی، در سال­های اخیر دو سنجنده فراطیفی و لیدار به منظور طبقه­بندی زمین بسیار پرکاربرد بوده­اند. داده­های حاصل از لیدار اطلاعات ارتفاعی مناسبی را از عوارض زمینی به ویژه عوارض دارای ارتفاع مانند ساختمان فراهم می­کنند در حالی که اطلاعات طیفی ضعیفی از عوارض ایجاد می­کنند. در همین حال داده­های حاصل از سنجنده­های فراطیفی اطلاعات طیفی مناسبی از عوارضی مانند خاک، آب و چمنزارها فراهم می­کنند ولی اطلاعات ارتفاعی مناسبی از آنها در دسترس نیست. تحقیق پیش رو به منظور طبقه­بندی بهتر عوارض زمینی، از مفهوم سیستم طبقه بندی کننده چندگانه فازی برای طبقه بندی داده­های فراطیفی و لیدار استفاده می­کند. پس از استخراج فضای ویژگی برای هر دو داده فراطیفی و لیدار، از روش طبقه بندی فازی نزدیکترین همسایگی برای طبقه بندی فازی هر داده استفاده خواهد شد. روش ادغام مورد استفاده برای ادغام تصمیمات فازی، روش الگوی تصمیم گیری می­باشد. به منظور ارزیابی هر چه بیشتر روش پیشنهادی، یک سیستم طبقه بندی کننده چندگانه تک مقداری نیز به منظور مقایسه نتایج با روش پیشنهادی فازی ارائه می­شود. در قسمت تک مقداری از طبقه بندی کننده ماشین بردار پشتیبان (SVM) برای طبقه بندی هر داده بصورت مجزا استفاده می­شود و در ادامه روش ادغام بیزین برای ادغام نتایج طبقه بندی در سطح تصمیم گیری مورد استفاده قرار می­گیرد. روش پیشنهادی روی داده فراطیفی و لیدار دانشگاه هیوستون و محوطه شهری اطراف آن پیاده سازی شد. نتایج طبقه بندی فازی داده­های لیدار و فراطیفی 75% و 88% بوده است. این درحالی است که سیستم فازی ادغام طبقه بندی کننده­ها دقت 96% را ایجاد کرده است. استفاده از ادغام طبقه بندی کننده­ها باعث بهبود طبقه بندی کلاس­های زمینی می­شود. به علاوه این تحقیق نشان می­دهد سیستم طبقه بندی کننده چندگانه در حالت فازی در نهایت بیشترین افزایش دقت را در مقایسه با سیستم­های تک مقداری حاصل می­کند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مدل بندی داده های فازی با رگرسیون اسپلاین تطبیقی چندگانه

در این مقاله به مدل بندی داده های ورودی دقیق-خروجی فازی پرداخته می شود و رویکرد رگرسیون مارس فازی با پارامترهای دقیق و جملات خطای فازی معرفی می گردد. روش پیشنهادی شامل دو مرحله است: در مرحله اول با استفاده از رگرسیون اسپلاین تطبیقی چندگانه (مارس) مراکز متغیر وابسته برآورد می شوند، و در مرحله دوم کمترین مقادیر خطاهای فازی بر اساس یک مساله بهینه سازی غیر خطی به دست می آیند. در انتها کاربرد مدل ...

full text

طبقه بندی راه های شهری مبتنی بر ادغام در سطح تصمیمات داده های نوری و راداری

در این مقاله قابلیت تصاویر اسپات و سار به منظور تشخیص عارضه راه در مناطق شهری مورد بررسی قرار گرفته است. شباهت طیفی عارضه راه با سقف آسفالت ساختمان ها در مناطق شهری موجب بروز مشکلاتی در تشخیص راه مبتنی بر داده های اپتیک از جمله اسپات می گردد. از سوی دیگر، تصاویر سار با اینکه قابلیت خوبی در تشخیص راههای فرعی و باریک دارند، اما در تشخیص راه از پوشش گیاهی دچار مشکلاتی می شود. بنابراین، نتایج حاصل ...

full text

طبقه بندی شیءگرای مناطق شهری با استفاده از تلفیق داده های فراطیفی و لیدار

یکی از مهم ترین اطلاعات در حوزه برنامه ریزی و مدیریت شهری، نقشه های پوشش اراضی و کاربری اراضی می باشند. برای تهیه این نوع نقشه ها با استفاده از داده های سنجش از دور، نیازمند داده هایی با رزولوشن مکانی بالا می باشیم تا بتوان ساختار اشیاء مختلف شهری را شناسایی کرد. اما این تصاویر دارای اطلاعات طیفی محدودی می باشند. این ضعف اغلب منجر به خطا در طبقه بندی برای کلاس های مشابه مختلفی چون پارکینگ ها، آ...

سیستم های طبقه بندی کننده ی چندگانه ی نوین درختی به منظور طبقه بندی زمین های کشاورزی از تصاویر نوری و راداری تمام قطبیده

تصاویر نوری و راداری با دریچه­ی مصنوعی تمام­قطبیده (PolSAR)، منابع ارزشمندی برای طبقه­بندی زمین­های کشاورزی است. ویژگی­های مستخرج از تصاویر نوری حاوی اطلاعاتی در مورد امضای بازتابی محصولات مختلف است. در مقابل، یک تصویر PolSAR فراهم­کننده­ی اطلاعاتی در مورد خصوصیات ساختاری و سازوکارهای پراکنش محصولات است. ترکیب این دو منبع قادر به ایجاد یک مجموعه­داده­ی مکمل با تعداد قابل توجهی از ویژگی­های زمان...

full text

ارائه یک الگو برای سیستم ملی طبقه بندی اقدامات پزشکی ایران

Introduction: Health information managers classify the information of health care and treatment on the basis of classifications system of medical procedures, also they analyz the statistical reports on the basis of this arranged information. Today without an efficient and complete medical classification system, it would seem almost impossible to render health care with acceptable quality. With ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 4

pages  57- 72

publication date 2018-06

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023