CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

ارزیابی قابلیتهای شبکه های عصبی مصنوعی در طبقه بندی شیء- پایه تصاویر ماهواره ای

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۹۱۵ | نظرات: ۰
سال انتشار: ۱۳۸۲
نوع ارائه: شفاهی
محل انتشار: همایش ژئوماتیک 82
کد COI مقاله: GEO82_19
زبان مقاله: فارسی
حجم فایل: ۳۷۸.۵۶ کلیوبایت (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله ارزیابی قابلیتهای شبکه های عصبی مصنوعی در طبقه بندی شیء- پایه تصاویر ماهواره ای

  عبای علیمحمدی - عضو هیئت علمی گروه سنجش از دور و GIS دانشگاه تربیت مدرس
  جلال کرمی - کارشناسی ارشد سنجش از دور و GIS گروه دورنسنجی سازمان زمین شناسی و اکتشافا

چکیده مقاله:

از آنجاییکه پدیده های زمینی دارای مناطق همپوشانی طیفی هستند بنابراین استفاده از این ویژگیها در طبقه بندی پدیده های مذکور به نتایج قابل قبولی منجر نخواهد شد. لذا استفاده از داده های کمکی مانند بافت ارتفاع ، شیبی و جهت و داده های مکانی از قبیل شکل، اندازه محیط و مساحت در کنار اطلاعات طیفی می تواند باعث کاهش خطا از یک طرف و توسعه تعداد کلاسهای زمینی از طرف دیگر شود. طبقه بندی شیء-گرا از این قبیل اطلاعات در فرآیند طبقه بندی استفاده می کند. از طرف دیگر الگوریتم های سنتی مشابهت و مهالانوبیس بخاطر وابستگی به مدل توزیع آماری گوسی، نمی توانند از این منابع چندگانه با مقیاسها و توزیع های آماری مختلف بنحو موثری استفاده نمایند. بنابراین نیاز به الگوریتم هعایی با انعطاف پذیری بالا مانند شبکه های عصبی مصنوعی می باشد که ویژگی ها را از خود داده ها استخراج نماید.

کلیدواژه‌ها:

طبقه بندی پیکسل‌ ، پایه شبکه های عصبی مصنوعی ، شکل و اندازه ، طبقه بندی شیء ، پایه

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-GEO82-GEO82_19.html
کد COI مقاله: GEO82_19

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
علیمحمدی, عبای و جلال کرمی، ۱۳۸۲، ارزیابی قابلیتهای شبکه های عصبی مصنوعی در طبقه بندی شیء- پایه تصاویر ماهواره ای، همایش ژئوماتیک 82، تهران، سازمان نقشه برداری کشور، https://www.civilica.com/Paper-GEO82-GEO82_19.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (علیمحمدی, عبای و جلال کرمی، ۱۳۸۲)
برای بار دوم به بعد: (علیمحمدی و کرمی، ۱۳۸۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • منهاج محمدباقر، مبانی شبکه های عصبی، دانشگاه صنعتی امیرکبیر، ۱۳۷۹ ...
  • نجفی دیسفانی محمد، پردازش کامپیوتری تصاویر سنجش از دور، سمت.۱۳۷۷ ...
  • رزم آرا جعفر، طبقه بندی داده های منابع چندگانه سنجش ...
  • Richards John .A, Remote sensing digital image analysis, Springer, 1 ...
  • Gonzalez Rafael.C, and Woods Richard.E, Digital image processing, Addi son-Wesley, ...
  • Biadu R.Rao, Obj ect-Oriented Databases, Mc Graw-HILL, 1994 ...
  • Manfred H.Gunzl and Olaf Hellwich, A new Segment shape parameter ...
  • Eric L.Miller & Carey Rappaport .A New Shape-Based Method for ...
  • Patricia G., Foschi and Deorah K.Smith, Detecting Subpixel Woody Vegetatioin ...
  • R.De Kok, A .Buck, T _ schneider, U. Ammer, Analysis ...
  • 1 -G _ WILLHAUC K, Comparison Of Object Oriented Classification ...
  • TUNG-H SU(T ONY)HOU& MING-DER PERN, .A SHAPE CLAS SIFIER BY ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۳۲۳۹۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.