کاهش بعد تصاویر فراطیفی از طریق خوشه بندی فازی باندها

Authors

  • Barat Mojarradi
  • Hamid Abrishami
  • Mohammad Javad Valadanzouj
Abstract:

This article doesn't have abstract

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهبود طبقه بندی بدون نظارت تصاویر فراطیفی با استفاده از مدل خوشه بندی فازی gustafson-kessel

مدل های خوشه بندی c-means یکی از پرکاربردترین شیوه های طبقه بندی نظارت نشده در آنالیز داده ها به شمار می­رود. مدل فازی این روش، یعنی fuzzy c-means، یکی از مشهورترین مدل هایی است که در آن هر داده با یک مقدار درجۀ عضویت بین 0 و 1، به هر یک از خوشه ها اختصاص داده می­شود. این مدل خوشه بندی جهت طبقه بندی داده های سنجش از دوری بسیار استفاده شده است. مدل fuzzy c-means از فاصلۀ اقلیدسی جهت خوشه بندی اس...

full text

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

بهبود طبقه بندی طیفی- مکانی جنگل پوشای مینیمم با کاهش ابعاد تصاویر فراطیفی

فن‌آوری سنجش از دور فراطیفی دارای کاربردهای فراوان در طبقه‌بندی پوشش‌های زمین و بررسی تغییرات آنها است. با پیشرفت‌های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه‌بندی تصاویر فراطیفی ایجاب می‌کند. در این تحقیق روشی جدید جهت طبقه‌بندی طیفی-مکانی تصاویر فراطیفی به کمک الگوریتم جنگل پوشای مینیمم ( MSF) مبتنی بر نشانه‌ها که یکی از دقیق‌ترین الگ...

full text

ارایه شاخصی جدید جهت سنجش اعتبار خوشه بندی در الگوریتم های خوشه بندی فازی نوع-2

One of the main issues in fuzzy clustering is to determine the number of clusters that should be available before clustering and selection of different values for the number of clusters will lead to different results. Then, different clusters obtained from different number of clusters should be validated with an index. But so far such an index has not been introduced for interval type-2 fuzzy 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 43  issue 4

pages  467- 477

publication date 2013-04-28

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

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023