پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 31 |
| تعداد شمارهها | 834 |
| تعداد مقالات | 8,015 |
| تعداد مشاهده مقاله | 14,854,394 |
| تعداد دریافت فایل اصل مقاله | 9,587,486 |
مقایسه دو روش طبقه¬بندی حداکثر احتمال و شبکه¬ی عصبی مصنوعی در استخراج نقشه¬ی کاربری اراضی مطالعه موردی: حوزه سد ایلام | ||
| مجله جغرافیا و توسعه | ||
| مقاله 7، دوره 8، شماره 20، دی 1389، صفحه 119-132 اصل مقاله (1.25 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22111/gdij.2010.633 | ||
| نویسنده | ||
| یعقوب نیازی | ||
| کارشناس ارشد آبخیزداری | ||
| چکیده | ||
| یکی از ضروریترین اطلاعات مورد نیاز مدیران و متولیان منابع طبیعی، نقشههای کاربری اراضی میباشد. دادههای ماهوارهای، به جهت ارایهی اطلاعات به هنگام و رقومی، تنوع اشکال و امکان پردازش در تهیهی نقشههای کاربری اراضی از اهمیت بالایی برخوردارند. از سویی دیگر در سالهای اخیر به طور وسیع و گسترده جهت طبقهبندی تصاویر ماهوارهای از روشهای طبقهبندی پیشرفته از قبیل شبکههای عصبی مصنوعی، مجموعههای فازی و سیستمهای هوشمند استفاده میشود. هدف اصلی این تحقیق مقایسهی دو روش مختلف جهت طبقهبندی کاربری اراضی با استفاده از تصاویر ASTER میباشد. بدین منظور با استفاده از تصویر ماهوارهای ASTER و دو الگوریتم طبقهبندی نظارتشده شامل حداکثر احتمال و شبکهی عصبی مصنوعی، نقشهی کاربری اراضی تهیه گردید. در طبقهبندی با استفاده از الگوریتم شبکهی عصبی از یک شبکهی پرسپترون با یک لایهی پنهان و 14 نرون ورودی، 9 نرون میانی و 6 نرون خروجی استفاده شده است که تعداد نرونهای ورودی همان تعداد باندهای تصویر ماهوارهای ASTER و تعداد نرونهای خروجی همان تعداد کلاسهای نقشهی کاربری اراضی میباشد. برای آموزش شبکه نیز از الگوریتم انتشار برگشتی استفاده شده است. نتایج حاصل از ارزیابی دقت این دو روش با استفاده از تعیین ضریب کاپا نشان داده است که الگوریتم شبکهی عصبی با ضریب 86/0 نسبت به الگوریتم حداکثر احتمال با ضریب 69/0 از دقت بیشتری برخوردار است. نتایج این مطالعه همچنین نشان میدهد الگوریتمهای سنتی طبقهبندی مانند روشهای آماری به خاطر انعطافپذیری پایین و انواع پارامتریک آن مانند روش حداکثر احتمال بهخاطر وابستگی به مدل آمار گوسی نمیتوانند نتایج بهینهای، در صورت نرمال نبودن دادههای آموزشی فراهم آورند در حالیکه دلیل موفقیت الگوریتم شبکهی عصبی مصنوعی در سنجش از دور این است که میتواند دادههایی با منابع مختلف را با هم تلفیق نماید. | ||
| کلیدواژهها | ||
| کاربری اراضی؛ طبقه¬بندی تصویر؛ شبکه¬ی عصبی¬ مصنوعی؛ حداکثر احتمال؛ ضریب کاپا | ||
|
آمار تعداد مشاهده مقاله: 5,761 تعداد دریافت فایل اصل مقاله: 3,455 |
||