ارزیابی کارایی الگوریتم‌های ماشین بردار پشتیبان جهت طبقه‌بندی کاربری اراضی با استفاده از داده‌های ماهواره‌ای ETM+ لندست (مطالعه موردی: حوزه سد ایلام)

طبقه‏بندی کاربری اراضی با استفاده از تصاویر سنجش از دور یکی از مهمترین کاربردهای سنجش از دور است و بسیاری از الگوریتم‏ها برای این منظور توسعه یافته‏اند. این مطالعه کارایی الگوریتم‏های ماشین بردار پشتیبان[1](SVMs) را در طبقه‏بندی تصاویر ماهواره‏ای مورد بررسی قرار می‏دهد. ماشین‏های بردار پشتیبان یک گروه از الگوریتم‏های طبقه‏بندی نظارت شده یادگیری ماشینی هستند که در زمینه سنجش از دور مورد استفاده قرار گرفته­اند. دقت طبقه‏بندی حاصل از SVMs باتوجه به نوع تابع کرنل متغیر است. در این مطالعه، الگوریتم­های SVM برای طبقه‏بندی کاربری اراضی حوزه سد ایلام با استفاده از داده‏های ETM+ لندست مورد استفاده قرار گرفته است. طبقه‏بندی با استفاده از روش ماشین‏های بردار پشتیبان، بصورت خودکار و با استفاده از چهار نوع کرنل خطی[2]، چندجمله‏ای[3]، شعاعی[4] و حلقوی[5] اجرا شده است. در ضمن، کارکرد این روش با روش طبقه‏بندی حداکثر احتمال مقایسه شده است. نتایج نشان می‏دهد که الگوریتم‏های SVM  خصوصاً سه کرنل خطی، چندجمله‏ای و شعاعی نسبت به روش طبقه‏بندی حداکثر احتمال از نظر دقت کل (حدود 10%) و ضریب کاپا (حدود 15%) برتری دارد. بنابراین این مطالعه کارایی و قابلیت الگوریتم‏های SVM را در طبقه‏بندی تصاویر سنجش از دور اثبات می‏نماید.