کاربرد ماشین بردار پشتیبان در طبقهبندی کاربری اراضی حوزه چشمه کیله- چالکرود
Authors
Abstract:
Classification of land use extraction always been one of the most important applications of remote sensing and why different methods are created. Over time and with greater accuracy were developed more advanced methods that increase the accuracy and the extraction classes that were closer together in terms of quality are better. SVM is one of these methods in the study of this method for the extraction of forest land, farming, pasture, and the city and its various kernel includes a linear (Linear), polynomial (Polynomial), radial (RBF) and ring (Sigmoid) were evaluated to determine the best kernel to extract these applications. The results showed the best overall accuracy and kappa coefficient, respectively polynomial of degree 5, 6 and 4 and the lowest is in the ring or Sigmoid. With increasing degree polynomial (except Grade 2) were added to the overall accuracy and kappa coefficient. Overall, we found that increasing degrees of polynomial boundary between the classes better spectral resolution and in areas that were close to be more successful. It also increases the degree polynomial caused more accurately separate the boundary between the classes. Our goal is classified when the user is using more than two degrees above polynomial (preferably 5 or 6) is recommended.
similar resources
ارزیابی عملکرد سه روش طبقهبندی تصویر (جنگل تصادفی، ماشین بردار پشتیبان و بیشترین شباهت) در تهیه نقشه کاربری اراضی
Land use/cover maps are the basic inputs for most of the environmental simulation models; hence, the accuracy of the maps derived from the classification of the satellite images reduces the uncertainty in modeling. The aim of this study was to assess the accuracy of the maps produced by machine learning based on classification methods (Random Forest and Support Vector Machine) and to compare th...
full textمقایسهی الگوریتمهای طبقه بندی شبکهی عصبی مصنوعی، ماشین بردار پشتیبان و حداکثر احتمال در استخراج نقشه کاربری اراضی حوزه آبخیز ابوالعباس
تهیه نقشه های کاربری اراضی یکی از مهمترین وظایف فنآوری سنجش از دور در مدیریت عرصههای مختلف محسوب میگردد. در تحقیق حاضر جهت تهیه نقشه کاربری اراضی حوزه آبخیز ابوالعباس از تصویر ماهوارهای لندست/TM سال 1388 استفاده شده است. سپس تصویر به کمک هر یک از الگوریتمهای شبکه عصبی مصنوعی پرسپترون سه لایه، ماشین بردار پشتیبان شعاعی و الگوریتم حداکثر احتمال طبقهبندی شد. در نهایت میزان کارایی الگوریتم...
full textتهیه نقشه کاربری اراضی دشت عباس ایلام با استفاده از روشهای شبکه عصبی مصنوعی، ماشین بردار پشتیبان و حداکثر احتمال
یکی از ضروریترین اطلاعات مورد نیاز مدیران و متولیان منابع طبیعی، نقشههای کاربری اراضی میباشد. در پژوهش حاضر، بهمنظور تهیة نقشة کاربری اراضی دشت عباس از دادههای رقومی سنجنده (1386)ETM+ استفاده شد. ابتدا تصویر با میانگین خطای مربعات 47/0 پیکسل تصحیح هندسی شد. جهت طبقهبندی تصویر از روشهای طبقهبندی شبکه عصبی مصنوعی، ماشین بردار پشتیبان و حداکثر احتمال استفاده شد. در نهایت، نقشة پوشش اراضی م...
full textارزیابی 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 ...
full textکاربرد روش ماشین بردار پشتیبان و شبکه بیزین در پیشبینی خشکسالی کشاورزی
آگاهی از وضعیت خشکسالی و پیشبینی شرایط آتی آن نقش مهمی در برنامههای مدیریت منابع آب برعهده دارد و در این راستا متغیرهای بارش و دما تأثیر بهسزایی در شدت و مدت وقوع این پدیده ایفا میکنند. با توجه به وضعیت حاکم بر دریاچه ارومیه در سالهای اخیر و تنش آبی موجود در حوزه آبخیز آن، در این پژوهش، وضعیت خشکسالی در ایستگاه سینوپتیک سقز بهعنوان یکی از ایستگاههای مهم جنوبی حوزه آبخیز این دریاچ...
full textکاربرد الگوریتم ژنتیک و ماشین بردار پشتیبان در جستجوی پارامترهای نانوشرارههای تاج خورشید
Nanoflares are the small impulsive sudden energy releases, due to the explosion of solar background. Thus, determination of their energies and distributions is important . Recent observations and simulation models have shown that the frequency of their energies follows power-law. According to Parker hypothesis, if these exponents are greater than critical value 2, the contributions of nanofla...
full textMy Resources
Journal title
volume 8 issue 15
pages 92- 101
publication date 2017-09
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023