طبقه‌بندی دانش‌مبنای داده‌های پلاریمتری رادار با روزنه ترکیبی با استفاده از روش Support Vector Machine-Decision Tree (SVM-DT)

Authors

Abstract:

روش‌های مختلف طبقه‌بندی داده پلاریمتری به‌طورکلی در سه گروه قرار می‌گیرند. (1) روش‌های آماری، (2) روش‌های برمبنای مکانیسم پراکنش و (3) روش‌های دانش‌مبنا. در این مقاله روشی دانش‌مبنا و شیءمبنا برای طبقه‌بندی داده‌ی پلاریمتری مطرح‌شده است که در آن روش طبقه‌بندی SVM-DT برای تلفیق دانش در سه بخش دانش اولیه، دانش حاصل از داده پلاریمتری و دانش خبره توسعه داده‌شده است. دانش حاصل از داده (آماری، فیزیکی و مکانی) در مراحل تعیین طرح درختی، ویژگی برای طبقه‌بندی کننده SVM و همچنین در انتخاب ویژگی‌های بهینه به کار گرفته می‌شود. دانش اولیه برای توازن تعداد داده‌های آموزشی در طبقه‌بندی کننده SVM استفاده می‌شود. درنهایت دانش خبره نیز در دو مرحله ایجاد طرح درختی و همچنین انتخاب ویژگی‌های بهینه درروش پیشنهادی استفاده می‌شود. داده پلاریمتری سنجنده رادارست-2 از منطقه‌ی جنگلی Petawawa کانادا با شش کلاس بلوط قرمز (Or)، کاج سفید (PW)، صنوبر سیاه (Sb)، آب (Wa)، منطقه‌ی شهری (Ur) و پوشش گیاهی (GV) برای پیاده‌سازی این تحقیق انتخاب‌شده است. برای بررسی تأثیر دانش‌های مختلف درروش پیشنهادی 6 طبقه‌بندی کننده در آزمایش‌ها مقایسه شده است: طبقه‌بندی کننده ویشارت، SVM با تمام ویژگی‌ها، SVM-DT با تمام ویژگی‌ها، SVM-DT شیءمبنا با تمام ویژگی‌ها، SVM-DT شیءمبنا همراه با انتخاب ویژگی و SVM-DT شیءمبنا با انتخاب ویژگی و دانش اولیه. نتایج نشان داد اضافه شدن دانش‌های مختلف به طبقه‌بندی تأثیر مثبت و خوبی بر روی کلاس‌های جنگل دارد اگرچه برخی از این دانش‌ها در کلاس‌های دیگر بی‌تأثیر و یا حتی تأثیر منفی دارند. درنهایت دقت کلی روش پیشنهادی حدود 87 درصد حاصل شد که در مقایسه با روش ویشارت 15 درصد و در مقایسه با طبقه‌بندی کننده SVM، 9 درصد بهبود داشته است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

طبقه بندی دانش مبنای داده های پلاریمتری رادار با روزنه ترکیبی با استفاده از روش support vector machine-decision tree (svm-dt)

روش های مختلف طبقه بندی داده پلاریمتری به طورکلی در سه گروه قرار می گیرند. (1) روش های آماری، (2) روش های برمبنای مکانیسم پراکنش و (3) روش های دانش مبنا. در این مقاله روشی دانش مبنا و شیءمبنا برای طبقه بندی داده ی پلاریمتری مطرح شده است که در آن روش طبقه بندی svm-dt برای تلفیق دانش در سه بخش دانش اولیه، دانش حاصل از داده پلاریمتری و دانش خبره توسعه داده شده است. دانش حاصل از داده (آماری، فیزیکی...

full text

الگوریتم حد آستانه‌گذاری کمینه‌خطا برای آشکارسازی نظارت نشده تغییرات با استفاده از تصاویر پلاریمتری رادار با روزنه مجازی

در این مقاله، یک روش نظارت نشده برای آشکارسازی تغییرات با استفاده از تصاویر پلاریمتری رادار با روزنه ترکیبی ارائه گردیده است. آماره آزمون ویشارت تصحیح یافته متقارن، به منظور ارزیابی برابری دو ماتریس کواریانس چندمنظر مربوط به دو تصویر پلاریمتری SAR در دو زمان مختلف بکار گرفته شده تا تصویر تک‌باندی خروجی آن در یک الگوریتم نظارت نشده حد آستانه گذاری قرار گیرد و در نهایت نقشه تغییر/عدم تغییر بدست آ...

full text

Tutorial on Support Vector Machine (SVM)

In this tutorial we present a brief introduction to SVM, and we discuss about SVM from published papers, workshop materials & material collected from books and material available online on the World Wide Web. In the beginning we try to define SVM and try to talk as why SVM, with a brief overview of statistical learning theory. The mathematical formulation of SVM is presented, and theory for the...

full text

ارائه فیلتر کاهش نویزاسپکل روی تصاویر رادار با روزنه ترکیبی

وجود اسپکل در تصاویر رادار امری اجتناب ناپذیر است. نویز اسپکل یک آشفتگی نقطه‌ای است که معمولا به عنوان نویز ضرب‌شونده در تصاویر تک‌پلاریزه مدل می‌شود. این نویز که وابسته به سیگنال است به دلیل نوسانات فاز سیگنال‌های بازگشتی امواج الکترومغناطیسی بوجود می‌آید که به صورت نقطه نقطه ظاهر می‌شود. حضور اسپکل، تفسیر و آنالیز تصویر را پیچیده‌تر می‌کند و باعث کاهش دسترسی به اطلاعات تصویر می‌شود لذا انتخاب...

full text

شناسایی، پایش و بررسی سازوکار زمین‌لغزش با استفاده از روش تداخل‌سنجی پراکنش کننده‌های دائمی تصاویر ماهواره‌ای رادار با روزنه ترکیبی

The persistent scattering interferometry (PSI) technique is a valuable tool in displacements' monitoring of earth's surface. The persistent scattering interferometry (PSI) based on persistent scatterrer (PSInSAR) is one of the techniques used to reduce constraints (temporal and spatial incoherency). It is based on persistent scatterer and monitor displacement of only the pixels with timely-cons...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 1

pages  93- 108

publication date 2015-08

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