طبقه‌بندی نظارت‌نشده تصاویر فراطیفی با الگوریتم خوشه‌بندی Possibilistic Fuzzy c-Means

Authors

Abstract:

روش‌های طبقه‌بندی از مهم‌ترین روش‌های استخراج اطلاعات از تصاویر سنجش از دوری می‌باشند که به طور مرسوم به دو دسته نظارت‌شده و نظارت‌نشده تقسیم می‌شوند. روش‌های نظارت‌شده نیازمند جمع‌آوری داده‌های آموزشی بوده و مستلزم صرف هزینه و زمان می‌باشند. در مقابل، روش‌های نظارت‌نشده فقط متکی بر داده‌های تصویری بوده و اغلب به صورت اتوماتیک انجام می‌شوند. روش‌های نظارت‌نشده نسبت به روش‌های نظارت‌شده اگر چه معمولا دارای دقت پایین‌تری هستند، امّا نیازمند هزینه، زمان و اطلاعات کم‌تری می‌باشند و به همین دلیل توجه بسیاری از محققین را به خود جلب نموده‌اند. در میان روش‌های طبقه‌‌بندی نظارت‌نشده، روش‌های خوشه‌بندی از اهمیت ویژه‌ای برخوردارند که یکی از معروف‌ترین آن‌ها، c-means است. نسخه فازی روش c-means مدل Fuzzy c-means (FCM) است که یکی از پرکاربردترین روش‌های خوشه‌بندی می‌باشد. الگوریتم FCM به داده‌های دارای خطا حساس است و تحت تاثیر آنها قرار می‌گیرد. برای حل این مشکل، نسخه‌های اصلاحی دیگری شامل Possibilistic c-means (PCM)، Fuzzy Possibilistic c-means (FPCM) و Possibilistic Fuzzy c-means (PFCM) توسط محققین ارائه شده است. در ابتدا مدل PCM پیشنهاد گردید که آن خود به خوشه‌های منطبق بر هم منجر می‌شد. از این رو، مدل FPCM ارائه شد که این مسئله را مرتفع نماید، اما برای یک مجموعه داده بزرگ این مدل نیز کارایی خود را از دست می‌داد. برای حل این مشکل مدل PFCM معرفی گردید که دارای انعطاف بیشتری نسبت به بقیه مدل‌ها بود. الگوریتم خوشه‌بندی PFCM، ترکیبی از الگوریتم‌‌های FCM و PCM است که از محدودیت‌های هر دو آن‌ها به دور می‌باشد و مشکل الگوریتم FPCM را نیز ندارد. در این مقاله از یکی از موفق‌ترین نسخه‌های c-means یعنی الگوریتم خوشه‌بندی PFCM، جهت طبقه‌‌بندی داده‌های تصویری فراطیفی Hyperion استفاده گردیده و نتایج آن با نتایج الگوریتم FCM مقایسه شده است. آزمون‌های انجام‌شده نشان می‌دهد الگوریتم‌ PFCM، دقت کلی را حدود %3 افزایش می‌دهد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

طبقه 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 text

Wbc Image Segmentation Using Modified Fuzzy Possibilistic C - Means Algorithm

Medical Image Segmentation becomes vital process for its proper detection and diagnosis of diseases. In which accurate White Blood Cells segmentation becomes important issue because differential counting, plays a major role in the determination the diseases and based on it the treatment is followed for the patients. To address this work here various fuzzy based clustering techniques are propose...

full text

Weighted Fuzzy-Possibilistic C-Means Over Large Data Sets

Up to now, several algorithms for clustering large data sets have been presented. Most clustering approaches for data sets are the crisp ones, which cannot be well suitable to the fuzzy case. In this paper, the authors explore a single pass approach to fuzzy possibilistic clustering over large data set. The basic idea of the proposed approach (weighted fuzzy-possibilistic c-means, WFPCM) is to ...

full text

Privacy Preserving Probabilistic Possibilistic Fuzzy C Means Clustering

Due to this uncontrollable growth of data, clustering played major role to partition into a small sets to do relevant processes within the small sets. Recently, the privacy and security are extra vital essentials when data is large and the data is distributed to other sources for various purposes. According to that, the privacy preservation should be done before distributing the data. In this s...

full text

Kernel-based fuzzy and possibilistic c-means clustering

The 'kernel method' has attracted great attention with the development of support vector machine (SVM) and has been studied in a general way. In this paper, this 'method' is extended to the well-known fuzzy c-means (FCM) and possibilistic c-means (PCM) algorithms. It is realized by substitution of a kernel-induced distance metric for the original Euclidean distance, and the corresponding algori...

full text

Segmentation of Lung Region Using Fuzzy Possibilistic C-means (fpcm)

Cancer is a disease in which abnormal cells of the body divide very fast, and generate excessive tissue that forms a tumor. Cancer cells are capable of spreading to other parts of the body through the blood and lymph systems. When the uncontrolled cell growth occurs in one or both lungs, it is said to be Lung Cancer. Besides, developing into a healthy, normal lung tissue, these abnormal cells c...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 0  issue Special Issue for Geomatics 94

pages  35- 44

publication date 2017-01

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