بهبود تخمین پارامترهای طبقه بندی کننده تصائیر ابر طیفی با استفاده از نمونه های نیمه برچسب خورده و حذف نمونه های پرت
محل انتشار: شانزدهمین کنفرانس مهندسی برق ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,207
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE16_174
تاریخ نمایه سازی: 6 اسفند 1386
چکیده مقاله:
در سال های اخیر به منظور بهبود صحت طبقه بندی تصاویر ابر طیفی و حل مشکل کمبود نمونه های آموزشی الگوریتم هایی که از نمونه های نیمه برچسب خورده استفاده می کنند، مورد توجه قرار گرفته است. این الگوریتم ها علاوه بر نمونه های آموزشی از اطلاعات نمونه های نیمه برچسب خورده که از یک طبقه بندی اولیه به دست می آید برای بهبود تخمین پارامترهای طبقه بندی کننده استفاده می کنند. مشکل اصلی استفاده از این الگوریتم ها، وجود نمونه های پرت در طبقه بندی اولیه است که می تواند باعث افزایش خطای طبقه بندی نهایی با استفاده از نمونه های نیمه برچسب خورده گردد. در این مقاله با استفاده از برخی اطلاعات مکانی مانند لبه و همبستگی زیاد یک پیکسل بل پیکسل های اطرافش، ابتدا نمونه های پرت حذف می شود. سپس با استفاده از یک الگوریتم رش ناحیه، نواحی مطلوب و گسترش یافته و از آن نواحی به عنوان نمونه های نیمه برچسب خورده استفاده می شود. نتایج حاصل از طیقه بندی داده های واقعی سنجنده AVIRIS نشان می دهد که الگوریتم پیشنهادی برای طبقه بندی داده های ابر طیفی کارآمد بوده و مشکل محدود بودن تعداد نمونه های آموزشی را تا حد قابل توجهی جبران می نماید.
کلیدواژه ها:
نویسندگان
احمد کشاورز
دانشگاه تربیت مدرس، گروه مهندسی مخابرات
حسن قاسمیان
دانشگاه تربیت مدرس، گروه مهندسی مخابرات
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :