بررسی روش ماشین بردار پشتیبان و الگوریتم ژنتیک جهت شناسایی عوارض منطقه شهری با استفاده از تلفیق تصویر نوری و داده لیدار
محل انتشار: اولین کنفرانس ملی مهندسی فناوری اطلاعات مکانی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 688
فایل این مقاله در 11 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:
NCEGIT01_099
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
در این طبقه بندی و شناسایی عوارض شهری از تصاویر هوایی و ماهواره ای در سال های اخیر یک بحث تحقیقاتی فعال در حوزه سنجش از در است الگوریتم های طبقه بندی عوارض در مناطق پیچیده شهری مانند منطقه مورد مطالعه با مشکلات بسیاری مواجه می باشند این مقاله در دو حالت کلی بررسی شده و در هر حالت طبقه بندی بدون با استفاده از الگوریتم ژنتیک اجرا شده است در این مقاله هدف بررسی دقت های الگوریتم ماشین بردار پشتیبان در حالت های مذکور می باشد در حالت اول تنها از ویژگی های بافت تصویر نوری و طیف آن استفاده شده است در حالت دوم ویژگی های لیدار به ویژگی های قبل اضافه شده است همین در این تحقیق تاثیر الگوریتم زنتیک در بیشتر شدن دقت شناسایی عوارض شهری در هر دو حالت مذکور بررسی شده است سپس نتایج حاصل از هر روش با داده مرجع مقایسه و ارزیابی می شود از مقایسه ضرایب کاپا در هر دو حالت بیان شده در فوق نشان داده است که روش ماشین بردار پشتیبان تلفیق شده با الگوریتم ژنتیک نتایج بهتری نسبت به دیگر حالت ها داشته است
کلیدواژه ها:
نویسندگان
نگین کمالی فر
دانشجوی ارشد سنجش از دور دانشکده مهندسی نقشه برداری ژئودزی و ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی
علی محمدزاده
دانشیار گروه سنجش از دور و فتوگرامتری دانشکده مهندسی نقشه برداری ژئودزی و ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی
علی حسینی نوه احمد آبادیان
استادیار گروه سنجش از دور و فتوگرامتری دانشکده مهندسی نقشه برداری ژئودزی و ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی
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 :