پایش تغییرات ازتصاویر ماهوارهای چندزمانه با بکارگیری الگوریتم شناسایی تغییرات چند متغیره با وزندهی تکراری(IR-MAD) و طبقهبندی ماشین بردار پشتیبان (SVM)
نویسندگان
چکیده مقاله:
پایش تغییرات کاربری اراضی از تصاویر ماهوارهای چندزمانه، یکی از مهمترین کاربردهای سنجش از دور و سیستم اطلاعات مکانی است. در پژوهش حاضر چارچوبی برای پایش تغییرات از تصاویر ماهوارهای چندزمانه با بهکارگیری الگوریتم شناسایی تغییرات چند متغیره با وزندهی تکراری(IR-MAD) و طبقهبندی ماشین بردار پشتیبان (SVM) ارائه شده است. در این مطالعه، پایش تغییرات با استفاده از تصاویر ماهوارهای لندست با یک فاصله زمانی 18 ساله، برای جزیره شاهی و قسمتی از حوزه غربی دریاچه ارومیه پیادهسازی گردیده است. روش پیشنهادی دارای دو مرحله اصلی در پایش تغییرات میباشد. در مرحله اول، مؤلفههای شدت تغییرات بهصورت اتوماتیک با استفاده از تبدیل IR-MAD مشخص میگردند. در ادامه، مؤلفههای بهینه با اعمال آنالیز مؤلفه اصلی با هسته کرنل (KPCA) بر مؤلفههای شدت تغییرات انتخاب میشوند. در مرحله دوم، جهت تهیه نقشه ماهیت تغییرات، مؤلفههای بهینه ترکیبشده با استفاده از روش SVM طبقهبندی میشوند. بهمنظور بررسی عملکرد روش پیشنهادی در جهت پایش تغییرات، این روش با روشهای متداول ترکیب طیفی-زمانی و مقایسه پس از طبقهبندی مقایسه گردید. ارزیابی نتایج نشان میدهد که روش پیشنهادی موجب بهبود دقت کلی به میزان %89/4 و %39/4 به ترتیب نسبت به روشهای آنالیز ترکیبی طیفی-زمانی و مقایسه پس از طبقهبندی شده است.
منابع مشابه
ارزیابی وپتانسیل سنجی خطروقوع سیل درشهرجناح با استفاده از الگوریتم ماشین پشتیبان بردار (SVM)
یکی از انواع فرآیند های دامنه ای که هر ساله موجب خسارت جانی و مالی فراوان در بسیاری از نقاط ایران و جهان می شود وقوع سیل است. شناسایی مناطق مستعد وقوع سیل از طریق پهنه بندی خطر، یکی از اقدامات موثر و ضروری در کاهش خطرات احتمالی و مدیریت آن می باشد. هدف اصلی این پژوهش، ارزیابی وقوع سیل در شهر جناح با استفاده از مدل ماشین بردار پشتیبان می باشد. در ابتدا نقشه DEM محدوده مورد مطالع...
متن کاملطراحی شبکه پایش سطح آب زیرزمینی با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)
این مطالعه روشی برای طراحی شبکههای پایش کمّی آب زیرزمینی به منظور کاهش نقاط پایش مکانی اضافی ارائه میکند؛ چاههای اضافی، که اگر نمونهگیری نشوند، خطای تخمین سطح آب زیرزمینی آنها قابل چشمپوشی است. این روش مبتنی بر روش ماشین بردار پشتیبان بر پایة تئوری یادگیری آماری است. در این مطالعه، با استفاده از اطلاعات کمّی 63 چاه مشاهداتی و پارامترهای هواشناسی (بارندگی و تبخیر) دشت رامهرمز، در دورة ...
متن کاملپیشبینی رواناب روزانه با مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)
مدلهای داده محور از جمله ابزارهایی هستند که به منظور شبیهسازی در علوم مختلف استفاده میشوند. روش ماشین بردار پشتیبان به عنوان یکی از جدیدترین این نوع ابزارها اخیراً در علوم مرتبط با آب مورد توجه قرار گرفته است. در هیدرولوژی و منابع آب، این مدلها با شبیهسازی فرآیند بارش-رواناب، مقدار رواناب را در حوزههای آبخیز بدون ایستگاه اندازهگیری و با حداقل زمان ممکن و کمترین هزینه برآورد میکنند. هدف ا...
متن کاملبهبود دقت شناسایی غواص با استفاده از الگوریتم کلاسبندی ماشین بردار پشتیبان
ویژگیهای منحصر به فرد و امکان انتشار آسان سیگنال های صوتی در محیط زیرآب، امکان شناسایی و رد گیری اهداف زیر آبی بوسیله آنها را فراهم میکند. از جمله کاربردهای پدافندی سیگنال صوتی در حوزهی دریا میتوان استفاده از سونار برای شناسایی غواص به منظور جلوگیری از نفوذ غواصان در نیروگاه های ساحلی و همچنین حفاظت از تجهیزات بندرگاهی و ... را نام برد. برای این مقصود شناسایی صحیح غواص از سایر اهداف زیر آبی...
متن کاملکاهش تعداد بردارهای پشتیبان در ماشین بردار پشتیبان (svm)
ماشین بردار پشتیبان روش مطلوبی برای طبقه بندی انواع داده هاست، اما مشکل اساسی این روش کاهش چشم گیر سرعت طبقه بندی آن در ازای افزایش ابعاد مسئله است. در این پایان نامه تابع کرنلی که از چندجمله ای متعامد هرمیت مشتق شده و ترکیب این تابع با سایر کرنل های رایج برای ماشین بردار پشتیبان ارائه شده است. این توابع، علاوه بر کاهش تعداد بردارهای پشتیبان که موجب افزایش سرعت خواهد شد، صحت طبقه بندی داده ها ر...
شناسایی پلاک خودروهای ایرانی با الگوریتم ماشین بردار پشتیبانی فازی
License plate recognition is one of the most important applications used in intelligent transportation systems. Difficulty of correct detection and identification of the car plates in different environment conditions makes researchers try new approaches to better solve the problem. License plate recognition problem is divided into three sub problems: "Plate Location", "Character Segmentation", ...
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 6 شماره 2
صفحات 23- 41
تاریخ انتشار 2018-09
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