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

استفاده از استخراج ویژگی بر مبنای کلاس به همراه ترکیب طبقه بندی کننده ها به منظور طبقه بندی تصاویر ابرطیفی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۱۵۸۳ | نظرات: ۰
سال انتشار: ۱۳۸۷
نوع ارائه: شفاهی
محل انتشار: همایش ژئوماتیک 87
کد COI مقاله: GEO87_012
زبان مقاله: فارسی
حجم فایل: ۵۳۳.۳۵ کلیوبایت (فایل این مقاله در ۱۰ 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 ۱۰ 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 استفاده از استخراج ویژگی بر مبنای کلاس به همراه ترکیب طبقه بندی کننده ها به منظور طبقه بندی تصاویر ابرطیفی

  مجید رحیم زادگان - کارشناس ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی
  یاسر مقصودی مهرانی - کارشناس ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی
  محمدجواد ولدان زوج (شناسه پژوهشگر - Researcher ID: ۲۴۰۷)
دانشیار گروه سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی
محمدرضا مباشری - استادیار گروه سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی

چکیده مقاله:

طبقه بندی تصاویر ابر طیفی یکی از معمول ترین روش های استخراج اطلاعات ازتصاویر ماهواره ای ابرطیفی است. در تصاویر ابرطیفی، به علت پایین بودن تعداد نمونه های آموزشی نسبت به تعداد ابعاد ا ین تصاویر، ممکن است مشکلات یکتایی ماتریس کووریانس به وجود اید. بنابراین بایستی روشی اتخاذ نمود ، تا بتوان ابعاد این تصاویر را کاهش داد و ما در این مقاله از روش های استخراج ویژگی، استفاده کرده ایم. این روش ها بر مبنای بهینه کردن یکمعیار، مثلا معیار Fisher عمل کرده و بیشترین اطلاعات موجود را به کمترین تعداد ویژگی ممکن منتقل می کنند. در این مقاله از روش NWFE برای استخراج ویژگی استفاده شده است.
روش دیگری که می تواند موجب حل مشکلات ناشی از بالا بودن ابعاد این تصاویر و پایین بودن دقت عملکرد طبقه بندی کننده ML در مورد تصاویر ابرطیفی شود، ترکیب طبقه بندی کننده ها است. در این مقاله به نوعی از روش های ترکیب طبقه بندی کننده ها به همراه استخراج ویژگی بر مبنای کلاس استفاده شده است.
نتایج به دست آمده نشان می دهد که استفاده از استخراج ویژگی و ترکیب طبقه بندی کننده ها به صورت همزمان، می تواند نسبت به هر یک از روش های استخراج ویژگی و ترکیب طبقه بندی کننده ها دقت بالاتری را نتیجه دهد، ضمن اینکه در اینروش، مشکلات تمامی روش های قبلی نیز برطرف می شود.

کلیدواژه‌ها:

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-GEO87-GEO87_012.html
کد COI مقاله: GEO87_012

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:
رحیم زادگان, مجید؛ یاسر مقصودی مهرانی؛ محمدجواد ولدان زوج و محمدرضا مباشری، ۱۳۸۷، استفاده از استخراج ویژگی بر مبنای کلاس به همراه ترکیب طبقه بندی کننده ها به منظور طبقه بندی تصاویر ابرطیفی، همایش ژئوماتیک 87، تهران، سازمان نقشه برداری کشور، https://www.civilica.com/Paper-GEO87-GEO87_012.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: (رحیم زادگان, مجید؛ یاسر مقصودی مهرانی؛ محمدجواد ولدان زوج و محمدرضا مباشری، ۱۳۸۷)
برای بار دوم به بعد: (رحیم زادگان؛ مقصودی مهرانی؛ ولدان زوج و مباشری، ۱۳۸۷)
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 :

  • B-C. Kuo and D. A. Landgrebe, *"Improved Statistics Estimation And ...
  • D. A. Landgrebe, ،، Information Extraction Principles and Methods for ...
  • T.G. Dietterich, Ensemble methods in machine learning, In Proc. of ...
  • C. Lee and D. A. Landgrebe, Analyzing hi gh- dimensional ...
  • K. Fukunaga. Introduction to Statistical Pattern Recognition, 2" edition, Academic ...
  • S. B. Serpico and L. Bruzzone, A new search algorithm ...
  • G. F. Hughes, _ On the mean accuracy of statistical ...
  • David Landgrebe, Signal Theory Methods In Multispectral Remote Sensing, 508 ...
  • یاسر مقصودی مهرانی، برات مجردی، محمد جواد ولدان‌زوج و عباس ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۲۴۵۶
    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 پیشنهادی مرتبط

    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.