5 SID.ir | ارايه روشي تركيبي از شبكه هاي عصبي نظارت شده و نظارت نشده در طبقه بندي تصاوير سنجش از دور

مشخصات مقاله

عنوان نشریه: 
 
عنوان مقاله: 

ارايه روشي تركيبي از شبكه هاي عصبي نظارت شده و نظارت نشده در طبقه بندي تصاوير سنجش از دور

 
نویسندگان: 
 
آدرس:  
* تهران، خیابان ولیعصر، تقاطع میرداماد، دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده مهندسی نقشه برداری
 
چکیده: 

در پژوهش حاضر، روشي تركيبي از شبكه هاي عصبي نظارت شده و نظارت نشده براي طبقه بندي تصاوير سنجش از دور ارايه شده است. مبناي الگوريتم پيشنهادي، شبكه هاي خودسازمانده (SOM) و الگوريتم شبكه عصبي پس انتشار خطاست. الگوريتم طبقه بندي نظارت نشده SOM به تنهايي قادر به طبقه بندي و برچسب گذاري دقيق نتيجه نهايي نيست، لذا در نوشتار حاضر از الگوريتم پس انتشار خطا براي تعيين برچسب نهايي كلاس ها استفاده شده است. در ابتدا تصوير با استفاده از الگوريتم شبكه هاي خودسازمانده بخش بندي مي شود. سپس برچسب نرون هاي شبكه هاي خودسازمانده با استفاده از الگوريتم پس انتشار خطا و داده هاي آموزشي تعيين مي شود و در ادامه نقشه پوششي تهيه مي گردد. به منظور كاهش حجم سنگين محاسبات شبكه هاي خودسازمانده، در پژوهش حاضر از الگوريتم PCA براي تعيين مقدار اوليه بردار وزن نرون ها استفاده شده است. ارزيابي الگوريتم پيشنهادي با تصاوير چندطيفي لندست (ETM+) و IKONOS انجام گرفت. هر قسمت از الگوريتم با الگوريتم هاي ديگر جايگزين شد و نتايج به دست آمده با الگوريتم پيشنهادي مقايسه گرديد. در ابتدا به جاي الگوريتم SOM از الگوريتم هاي نظارت نشده  K-Means و FCM و به جاي الگوريتم MLP براي تعيين برچسب نرون هاي الگوريتم SOM از الگوريتم KNN استفاده گرديد. همچنين نتايج نهايي الگوريتم پيشنهادي با ديگر الگوريتم هاي طبقه بندي مقايسه شد. نتايج حاصل از دقت طبقه بندي الگوريتم پيشنهادي و ديگر الگوريتم ها، نشان مي دهد كه الگوريتم پيشنهادي توانايي بهبود نتايج طبقه بندي را ـ به ويژه براي تعداد نمونه هاي آموزشي اندك ـ داراست.

 
کلید واژه: 

 
موضوعات مرتبط: 
 
ارجاعات: 
  • ندارد
 
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 

  بازدید یکساله 294
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی