جستجو در تالارهای گفتگو

سنجش کارايي ويژگي هاي بافتي GLCM در افزايش دقت طبقه بندي تصاوير حاصل از ادغام تصاوير تک باند و ابرطيفي مناطق مسکوني و صنعتي جنوب شهر تهران نویسندگان: ملك نژاد احمد, قاسميان حسن*, ميرزاپور فردين * دانشکده برق و کامپيوتر، دانشگاه تربيت مدرس كليد واژه: سنجش از دور، تصاوير ابرطيفي، ادغام تصاوير، بافت تصوير، طبقه بندي منبع: [Hidden Content] دانلود: [Hidden Content] 7002413940105.pdf

بررسي عملکرد الگوريتم هاي فراابتکاري جمعيت مبنا به منظور بهينه سازي پارامترهاي ماشين هاي بردارپشتيبان در طبقه بندي تصاوير پلاريمتريک راداري نویسندگان: صمدزادگان فرهاد, فردوسي الهه* با توجه به اينکه استفاده از پلاريزاسيون هاي مختلف امواج الکترومغناطيسي در تصويربرداري پلاريمتريک راداري اطلاعاتي غني از جنبه هاي مختلف عوارض را فراهم مي کند. امروزه تصاوير پلاريمتري به عنوان ابزار قوي و کارآمد در زمينه شناسايي عوارض مختلف در مناطق جغرافيايي پيچيده مورد توجه قرار گرفته اند. به منظور استخراج اطلاعات، طبقه بندي اين تصاوير حائز اهميت مي باشد. طبقه بندي کننده ماشين هاي بردار پشتيبان به سبب عملکردش بر مبناي ويژگي هاي هندسي و پايداري در فضاهاي با ابعاد بالا گزينه مناسبي در طبقه بندي تصاوير پلاريمتري محسوب مي شود. اما عملکرد اين طبقه بندي کننده به شدت تحت تاثير پارامترهاي در نظر گرفته شده براي آن مي باشد. بنابراين به منظور به کارگيري طبقه بندي کننده ماشين هاي بردار پشتيبان با بيشترين کارآيي، مي بايست مقادير بهينه براي اين پارامترها تعيين شوند. روش هاي بهينه سازي سنتي متداول به سبب مواجه شدن با پيچيدگي هاي محاسباتي در اين فضاهاي جستجوي بزرگ اغلب به بهينه هاي محلي همگرا مي شوند. بنابراين به منظور بدست آوردن مقدار بهينه سراسري استفاده از الگوريتم هاي بهينه سازي فراابتکاري که از جستجوي سراسري همراه با جستجوي محلي بهره مي گيرند، اجتناب ناپذير است. در اين مقاله توانايي الگوريتم هاي ژنتيک، زنبورها و توده ذرات به عنوان تکنيک هاي بهينه سازي فراابتکاري قدرتمند، در تعيين مقدار بهينه پارامترهاي ماشين هاي بردار پشتيبان ارزيابي شده است. مقايسه نتايج بدست آمده، توانايي بالاي الگوريتم توده ذرات را در زمينه دقت طبقه بندي و سرعت همگرايي نشان مي دهد. منبع: [Hidden Content] دانلود: [Hidden Content] 7002413920306.pdf