- تاریخ انتشار : ۱۳۹۵
- ناشر : کنفرانس بین المللی پژوهش های نوین در علوم مهندسی
- زبان مقاله : همه
- تعداد صفحات : 11
- حجم فایل : 0 کیلوبایت
- نوع مقاله : مجموعه مقالات کنفرانس
- مجموعه : مهندسی و فناوری
چکیده مقاله
در این مقاله به معرفی الگوریتمی برای طبقه بندی نیمه نظارتی بر مبنای خوشه بندی اولیه می پردازیم. در طبقه بندی نظارت شده تصاویر ماهواره ای ابرطیفی ، به علت زیاد بودن تعداد باندها و محدودیت نمونه های آموزشی ، دقت طبقه بندی چندان بالا نیست. برای کاهش بعد از روش تحلیل باند اصلی که حاوی بیشترین اطلاعات مولفه اصلی ویژگی 20 استفاده کردیم و تعداد PCA اجزاء اصلی هاست برای پردازش انتخاب شدند. قصد داریم نمونه های آموزشی محدود و پراکنده را بدون هزینه و K صرفا با تحلیل اطلاعات موجود ، افزایش دهیم. به این منظور تصویر را با الگوریتم معروف means ، خوشه بندی میکنیم . الگوریتمی طراحی گردید که هر پیسکل در ناحیه تولید شده از خوشه بندی ، به - در همسایگی نمونه آموزشی اولیه 1 شرط دارا بودن دو فاکتور زیر به نمونه های آموزشی افزوده شود: - از نظر خوشه بندی با نمونه آموزشی اولیه در یک ناحیه قرار گیرد. این دو شرط اطلاعات مکانی 2باشد. و طیفی را با هم ترکیب کرده و نمونه آموزشی جدید و حاوی اطلاعات را به نمونه ها اضافه می کند.
نحوه استناد به مقاله
در صورتی که می خواهید به این مقاله در اثر پژوهشی خود ارجاع دهید، می توانید از متن زیر در بخش منابع و مراجع بهره بگیرید :
1.زهرا عطاری؛2.سید علی حسینی؛ ۱۳۹۴، طبقه بندی تصاویر سنجش از راه دور با استفاده از افزایش نمونه های آموزشی با کمک خوشه بندی اولیه، کنفرانس بین المللی پژوهش های نوین در علوم مهندسی، https://scholar.conference.ac:443/index.php/download/file/2146-Classification-of-remote-sensing-images-using-enhanced-clustering-training-samples-with-the-help-of-primary
در داخل متن نیز هر جا به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پرانتز، مشخصات زیر نوشته شود.
(1.زهرا عطاری؛2.سید علی حسینی؛ ۱۳۹۴)
