ارائه روشی نوین بر پایه الگوریتم های یادگیری چندکرنلی برای طبقه بندی محصولات کشاورزی با استفاده از سری های زمانی چند متغیره
نویسندگان
چکیده مقاله:
امروزه، تشخیص دقیق نوع محصولات کشاورزی با استفاده از طبقهبندی سریهای زمانیِ حاصل از تصاویر سنجندههای مختلف سنجش از دوری، رو به افزایش است. دستهای از سریهای زمانی که با استفاده از تصاویر سنجندههای چندطیفی و یا فراطیفی ایجاد میشوند، از نوع سریهای زمانی چندمتغیره هستند. علیرغم محتوای بالای اطلاعاتی این نوع از سریهای زمانی، الگوریتمهای طبقهبندی موجود، به دلیل چهار- بعدی بودن این نوع از دادهها، قادر به طبقهبندی آنها نیستند. در مقاله پیش رو، به منظور رفع این مشکل و طبقهبندی سریهای زمانی چندمتغیره، روشی بر پایهی استفاده از الگوریتمهای یادگیری چندکرنلی ارائه شده است. در این روش، ابتدا یک کرنل با استفاده از دادهی اخذ شده در هر تاریخ، ساخته میشود و سپس این کرنلها با استفاده از الگوریتمهای یادگیری چندکرنلی در قالب کرنلی به نام کرنل ترکیبی، با یکدیگر ادغام میشوند. سپس از کرنل ترکیبی حاصل، برای طبقهبندی دادهها در الگوریتمهای طبقهبندی مبتنی بر کرنل استفاده میشود. در ادامه برای ارزیابی روش پیشنهادی، از دو سریزمانیِ تصاویر سنجش از دوری مختلف استفاده شده است. هر دو سریزمانی شامل ده تصویر اخذ شده توسط سنجندههای RapidEye هستند که از منطقهای کشاورزی در کشور کانادا تهیه شدهاند. از روش الحاق دادهها، که در آن دادهی زمانهای مختلف سریزمانی در قالب یک مکعب داده به هم الحاق میشوند، به عنوان روش معیار برای مقایسه با روش پیشنهادی استفاده شده است. کرنل ترکیبی حاصل از روش پیشنهادی و همچنین کرنل حاصل از روش الحاق دادهها، برای آموزش الگوریتم طبقهبندی ماشینهای بردار پیشتیبان بکار گرفته شده است. در این مقاله برای محاسبه کرنل ترکیبی، علاوه بر استفاده از چند الگوریتم متداول یادگیری چندکرنلی، الگوریتم یادگیری چندکرنلی تعمیم یافته نیز برای نخستین بار در حوزه طبقهبندی سریزمانی معرفی شده است. مقایسه دقت طبقهبندی الگوریتم ماشینهای بردار پیشتیبان در دو حالت، نشان دهندهی دقت بسیار بالاتر روش پیشنهادی بود. همچنین نتایج مقایسه الگوریتمهای مختلف یادگیری چندکرنلی در چارچوب روش پیشنهادی، نشان داد که الگوریتم یادگیری چندکرنلی تعمیم یافته علاوه بر دقت بیشتر، حساسیت کمتری نیز به نویز موجود در سریهای زمانی دارد.
منابع مشابه
روشی نوین به منظور طبقه بندی داده های چند بازگشتی لایدار با استفاده از اطلاعات هندسی مجاورتی و فضای پدیده
دادههای اخذ شده توسط سیستمهای لیزر اسکنر هوایی به دلیل برخورداری از مزایایی نظیر دقت هندسی نسبتاً بالا و تراکم مکانی بالای نقاط، اطلاعات هندسی متنوع و منحصر به فردی از سطوح فیزیکی عوارض فراهم میآورند. طبقهبندی و تفکیک داده<...
متن کاملارائه روشی برای پیش بینی پایدار سری های زمانی با کاربرد در مسائل مالی با استفاده از روش Robust
به منظور مدلسازی و تخمین مناسب و قابل اعتماد پارامترها در مدلهای دادههای خودهمبسته، از رویکردهای پایداراستفاده میشود. وجود دادههای پرت و آلودگیها، تاثیری مخرب در تخمین پارامترهای این مدلها دارد. از آنجایی که در اغلب مسائل مالی، دادههای گذشته بر دادههای اخیر اثرگذار هستند، این دادهها معمولاً در قالب سری زمانی مدلسازی میشوند. در این تحقیق، مدلهای خود رگرسیون به عنوان یکی از مدلهای مط...
متن کاملارائه روشی برای طبقه بندی داده های ابرطیفی aviris ، با استفاده از استخراج ویژگی و ترکیب طبقه بندی کننده ها
یکی از پرکاربردترین روش های طبقه بندی نظارت شده، روش بیشترین احتمال است که در آن، به منظرو طبقه بندی از پارامترهایی آماری مانند ماتریس واریانس کوواریانس استفاده می شود. در تصاویر ماهواره ای ابر طیفی، به علت محدودیت نمونه های آموزشی و ابعاد بالای طیفی (زیاد بودن تعداد باند ها)، احتمال یکتا شده ماتریس های برآورد شده و با کاهش دقت طبقه بندی وجود دارد. به منظور حل این مشکل از روش های مختلفی همچون ک...
متن کاملشناسایی شوک ها در قیمت ربع، نیم و تمام سکه در ایران با استفاده از سری های زمانی چند متغیره
در این تحقیق به تاثیر و شناسایی انواع نقاط پرت نوساز، جمع پذیر، تغییر سطح، تغییر موقت در تعیین مدل و براورد پارامترهای سری زمانی چند متغیره پرداخته می شود. برای شناسایی انواع نقاط پرت در مدل سری های زمانی چند متغیره روش تکرار پانکراز و همکاران (2000) مورد توجه قرار می گیرد. سپس توانایی این روش نسبت به روش کلاسیک یک متغیره سری زمانی مورد بررسی قرار می گیرد. از آنجا که قیمت سکه تحت تاثیر قیمت جها...
متن کاملارائه روشی برای پیش بینی پایدار سری های زمانی با کاربرد در مسائل مالی با استفاده از روش robust
به منظور مدل سازی و تخمین مناسب و قابل اعتماد پارامترها در مدل های دادههای خودهمبسته، از رویکردهای پایداراستفاده میشود. وجود داده های پرت و آلودگی ها، تاثیری مخرب در تخمین پارامترهای این مدلها دارد. از آنجایی که در اغلب مسائل مالی، داده های گذشته بر دادههای اخیر اثرگذار هستند، این داده ها معمولاً در قالب سری زمانی مدلسازی می شوند. در این تحقیق، مدلهای خود رگرسیون به عنوان یکی از مدلهای مطر...
متن کاملروشی نوین برای مکانیابی محل دفن زباله های جامد شهری بر پایه نقشه های طبقه بندی اراضی وgis
انتخاب مکان مناسب خاکچال زبالههای جامد شهری از چالش های مهم زیستمحیطی میباشد، زیرا برای انتخاب مکانی بهینه، معیارهای زیادی باید در نظر گرفته شوند. هدف از این پژوهش، ارائه روشی کمی به منظور سادهسازی، کاهش تعداد معیارهای لازم برای مکان یابی خاکچالها و امکان چندکاربری کردن نقشههای خاکشناسی بود. بدین منظور پس از بسط روش پیشنهادی، این روش برای انتخاب مکان مناسب دفن زبالههای جامد شهر مرودشت به کار گ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 7 شماره 1
صفحات 223- 233
تاریخ انتشار 2017-09
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023