|
|
پژوهشنامه مدیریت حوزه آبخیز، جلد ۸، شماره ۱۵، صفحات ۹۲-۱۰۱
|
|
|
| عنوان فارسی |
کاربرد ماشین بردار پشتیبان در طبقه‌بندی کاربری اراضی حوزه چشمه کیله- چالکرود |
|
| چکیده فارسی مقاله |
طبقه‌بندی جهت استخراج کاربری‌های اراضی همیشه یکی از مهم‌ترین کاربردهای سنجش از دور بوده و به همین دلیل روش‌های متفاوتی ایجاد شده‌اند. با گذشت زمان روش‌های پیشرفته‌تر و با دقت بالاتری به وجود آمدند که باعث افزایش دقت شده و در استخراج کلاس‌هایی که از نظر طیفی به هم نزدیک تر بودند بهتر عمل کرده‌اند. یکی از این روش‌ها ماشین بردار پشتیبان است که در این تحقیق از این روش برای استخراج کاربری‌های جنگل، کشاورزی، مرتع و شهر استفاده‌شده و کرنل‌های مختلف آن شامل خطی (Linear)، چندجمله‌ای (Polynomial)، شعاعی (RBF) و حلقوی (Sigmoid) مورد ارزیابی قرار گرفتند تا بهترین کرنل جهت استخراج کاربری‌های نامبرده مشخص گردد. نتیجه نشان داد بهترین ضریب کاپا و دقت کلی به ترتیب مربوط به پلی نومیالهای درجه 5، 6 و 4 و کمترین مربوط به حلقوی یا Sigmoid است. با افزایش درجه پلی نومیال (بجز درجه 2) به ضریب کاپا و دقت کلی افزوده شد. در کل به این نتیجه رسیدیم که با افزایش درجات پلی نومیال مرز بین کلاس‌ها بهتر تفکیک شد و در قسمت‌هایی که از نظر طیفی نزدیک به هم بودند موفق تر عمل نمود. همچنین افزایش درجه در پلی نومیال باعث شد با دقت بیشتری مرز بین کلاس‌ها جدا شوند. همچنین هنگامی که هدف ما طبقه‌بندی بیش از دو کاربری است استفاده از درجات بالاتر پلی نومیال (ترجیحاً 5 یا 6) توصیه می‌شود. |
|
| کلیدواژه‌های فارسی مقاله |
کاربری اراضی، ماشین بردار پشتیبان، طبقه‌بندی، سنجش از دور |
|
| عنوان انگلیسی |
Assessment Kernel Support Vector Machines in Classification of Landuses (Case Study: Basin of Cheshmeh kileh-Chalkrod) |
|
| چکیده انگلیسی مقاله |
Classification of land use extraction always been one of the most important applications of remote sensing and why different methods are created. Over time and with greater accuracy were developed more advanced methods that increase the accuracy and the extraction classes that were closer together in terms of quality are better. SVM is one of these methods in the study of this method for the extraction of forest land, farming, pasture, and the city and its various kernel includes a linear (Linear), polynomial (Polynomial), radial (RBF) and ring (Sigmoid) were evaluated to determine the best kernel to extract these applications. The results showed the best overall accuracy and kappa coefficient, respectively polynomial of degree 5, 6 and 4 and the lowest is in the ring or Sigmoid. With increasing degree polynomial (except Grade 2) were added to the overall accuracy and kappa coefficient. Overall, we found that increasing degrees of polynomial boundary between the classes better spectral resolution and in areas that were close to be more successful. It also increases the degree polynomial caused more accurately separate the boundary between the classes. Our goal is classified when the user is using more than two degrees above polynomial (preferably 5 or 6) is recommended. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
احمد نجفی |
سارا عزیزی قلاتی | azizi ghalaty
محمدحسین مختاری | mohammad hossein
|
|
| نشانی اینترنتی |
http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1-181&slc_lang=fa&sid=fa |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1495/article-1495-438344.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
تخصصی |
| نوع مقاله منتشر شده |
پژوهشی |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|