بهینهسازی اتوماتیک خوشهبندی شبکه راهها با استفاده از الگوریتم انبوه ذرات بمنظور استخراج محور مرکزی آنها
نویسندگان
چکیده مقاله:
این تحقیق در بر گیرنده روشی نوین در استخراج راه در قالب دو مرحله کشف راه و برداری سازی آن می باشد. در مرحله کشف راه تصویر مشتمل بر کلاس عوارض راه با استفاده از خوشهبندی به روش سی مینز فازی و بهبود تصویر با بهره گیری از پاره ای از عملیات پس پردازشی حاصل می گردد. در مرحله برداریسازی، نقاط کلیدی نماینده محور مرکزی راه توسط روشی نوین در خوشهبندی پویای تصویر کلاس راه بر مبنای الگوریتم بهینهسازی انبوه ذرات تعیین می گردند. الگوریتم پیشنهاد شده قادر است تعداد و موقعیت نقاط کلیدی را بر روی راه کشف شده بهصورت اتوماتیک و بدون نیاز به معلومات اولیه ای مانند تعداد و موقعیت اولیه مراکز خوشهها، بهینه نماید. در این راستا تابع هزینه جدیدی طراحی و به الگوریتم مذکور معرفی گردیده است. در نهایت نقاط کلیدی بهینه با استفاده از تکنیک گراف وزن دار به یکدیگر متصل میگردند. روش پیشنهادی بر روی چندین تصویر بزرگ مقیاس ماهواره ایکنوس تهیه شده از نواحی شهری، غیرشهری و کوهستانی پیادهسازی شده و معیارهای ارزیابی دقت شامل جذر میانگین مربع خطا، تمامیت، صحت و کیفیت محاسبه گردیدند. نتایج حاکی از موفقیت الگوریتم پیشنهادی در استخراج اشکال مختلف راه با جذر میانگین مربعی خطا کمتر از 3/1 و کیفیت برداریسازی بیش از 86/0 در نواحی مختلف میباشد.
منابع مشابه
بهینه سازی اتوماتیک خوشه بندی شبکه راهها با استفاده از الگوریتم انبوه ذرات بمنظور استخراج محور مرکزی آنها
این تحقیق در بر گیرنده روشی نوین در استخراج راه در قالب دو مرحله کشف راه و برداری سازی آن می باشد. در مرحله کشف راه تصویر مشتمل بر کلاس عوارض راه با استفاده از خوشه بندی به روش سی مینز فازی و بهبود تصویر با بهره گیری از پاره ای از عملیات پس پردازشی حاصل می گردد. در مرحله برداری سازی، نقاط کلیدی نماینده محور مرکزی راه توسط روشی نوین در خوشه بندی پویای تصویر کلاس راه بر مبنای الگوریتم بهینه ساز...
متن کاملپیشبینی تقاضای انرژی با استفاده از شبکه عصبی مبتنی بر الگوریتم انبوه ذرات
انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیشبینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری میباشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدلهای غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشتهاند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیکها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، ...
متن کاملپیش بینی تقاضای انرژی با استفاده از شبکه عصبی مبتنی بر الگوریتم انبوه ذرات
انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیش بینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری می باشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدل های غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشته اند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیک ها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، ...
متن کاملشبیهسازی تابع تقاضای برق بخش کشاورزی با استفاده از الگوریتم انبوه ذرات(pso)
در چند دههی اخیر با پیشرفت فناوری تولید و کارایی مصرف انرژی، انرژیهایی با کیفیت بالا مانند الکتریسیته، جایگزین سوختهای با کیفیت پایین مانند زغال سنگ شده است. برق بهعنوان یکی از نهادههای تولید در بخشهای اقتصادی بهخصوص بخش کشاورزی، از اهمیت ویژهای برخوردار است. بنابراین پیشبینی مصرف و تامین به موقع انرژی الکتریکی مورد نیاز این بخش میتواند باعث افزایش تولیدات کشاورزی، افزایش صادرات غیر ...
متن کاملبهینه سازی بازدهی اکسرژی و تولید آنتروپی توربین بادی با استفاده از الگوریتم انبوه ذرات
هدف این تحقیق افزایش اکسرژی و کاهش تولید آنتروپی برای توربین بادی نوع Excel-S Bergey با بهینهسازی سرعتهای شروع چرخش، نامی و خاتمهی چرخش در الگوریتم انبوه ذرات است. بدینمنظور ابتدا تابع هدف با مدلسازی ریاضی اکسرژی توربین بادی به دست میآید. سپس با گردآوری دادههای آماری توربین مذکور، توسط کد رایانهیی شبکهی عصبی، توربین بادی در نرمافزار متلب مدلسازی شده و نتایج آن بهصورت جداول...
متن کاملپیش بینی تقاضای بلندمدت انرژی الکتریکی با استفاده از الگوریتم ترکیبیِ عصبی- فازی و انبوه ذرات
Storing the electrical energy in large scale is impossible. So, it is necessary to identify the factors affecting the electricity demand. Researchers have used different methods to forecast the future demand of electricity, among them intelligent methods and fuzzy based methods are more popular. Since ANFIS structure is based on researcher’s experience about phenomenon, the created structure ...
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 2 شماره 4
صفحات 17- 31
تاریخ انتشار 2015-03
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