فرزانه عقیقی - دانشجوی کارشناسی ارشد علوم تصمیم و مهندسی دانش، دانشکده مدیریت، دانشگاه خوارزمی تهران، ایران
امیدمهدی عبادتی - استادیار گروه فناوری اطلاعات، دانشکده مدیریت، دانشگاه خوارزمی تهران، ایران
حسین عقیقی - استادیار مرکز تحقیقات سنجش از دور و GIS، دانشگاه شهید بهشتی تهران، ایران

امروزه شهرنشینی و علاقمندی مردم به مهاجرت به شهرهای بزرگ در کشورهای در حال توسعه، سبب افزایش جعیت و تغییرات وسیع مکانی در شهرها و حومه آنها شده است. از این رو مدیران شهری نیازمند اطلاعات دقیق و بروز از رشد افقی و عمودی شهرها برای مدیریت صحیح بر روند و برنامه ریزی اصولی در مورد آنها هستند. بنابراین پایش تغییرات ساختمانهای شهری و تولید مدل های سه بعدی شهری از موارد مورد توجه محققان است. استخراج تغییرات ارتفاعی آنها نیازمند استفاده از تکنولوژی هایی مانند زوج تصاویر اپتیکی، اینترفومتری تصاویر رادار یا استفاده از ابر نقاط سه بعدی لیدار است. لیدار یک تکنولوژی نسبتا جدید در تولید داده های سه بعدی با استفاده از سنجنده فعال محسوب می شود که از اشعه لیزر برای جمع آوری اطلاعات از سطح اشیاء و محاسبه فاصله آنها استفاده می کند. یادگیری ماشین برای پردازش حجم بالای ابر نقاط لیدار و استخراج اتیوماتیک عوارض زمینی از قبیل ساختمانها، خیابانها، پل ها، درختان، سطح زمین و غیره برای مدلسازی سه بعدی وجود دارد. بنابراین ما در این تحقیق با اجرای الگوریتم های درخت تصمیم (D3) و شبکه عصبی مصنوعی (ANN) سعی در افزایش دقت طبقه بندی نقاط لیدار کردیم. بر اساس بررسی نتایج حاصل از پیاده سازی الگوریتم های فوق، الگوریتم ANN با دقت 73.10 و ضریب کاپا 0.63 الگوریتم کاراتری برای طبقه بندی نقاط ابری است.

طبقه بندی، یادگیری ماشین، نقاط ابری، درخت تصمیم، شبکه عصبی مصنوعی