صالح آرخی؛ مصطفی ادیب نژاد
دوره 18، شماره 3 ، آذر 1390، ، صفحه 420-440
چکیده
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 ...
بیشتر
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 قرار گرفتهاند. دقت طبقه‌بندی حاصل از SVMs باتوجه به نوع تابع کرنل متغیر است. در این مطالعه، الگوریتمهای SVM برای طبقه‌بندی کاربری اراضی حوزه سد ایلام با استفاده از داده‌های ETM+ لندست مورد استفاده قرار گرفته است. طبقه‌بندی با استفاده از روش ماشینهای بردار پشتیبان، بصورت خودکار و با استفاده از چهار نوع کرنل خطی[2]، چندجملهای[3]، شعاعی[4] و حلقوی[5] اجرا شده است. در ضمن، کارکرد این روش با روش طبقه‌بندی حداکثر احتمال مقایسه شده است. نتایج نشان میدهد که الگوریتمهای SVM خصوصاً سه کرنل خطی، چندجملهای و شعاعی نسبت به روش طبقه‌بندی حداکثر احتمال از نظر دقت کل (حدود 10%) و ضریب کاپا (حدود 15%) برتری دارد. بنابراین این مطالعه کارایی و قابلیت الگوریتمهای SVM را در طبقه‌بندی تصاویر سنجش از دور اثبات مینماید.
