گوگل مارکت
فروش فایل ,دانلود فایل,خرید فایل,دانلود رایگان فایل,دانلود رایگانگوگل مارکت
فروش فایل ,دانلود فایل,خرید فایل,دانلود رایگان فایل,دانلود رایگانپایان نامه مقایسه روش SVM و شبکه عصبی در طبقه بندی تصاویر ماهواره ای چند طیفی
تهیه نقشه های زمین شناسی توسط
پرتره‌ها چندطیفی، با تدقیق به نزدیکی رفتار طیفی بسیاری از سنگها
می تواند امری بغرنج باشد. بنابراین در این بازجست روش ماشین
بردار پشتیبان (SVM)، بعنوان یکی از چهره شهای طبقه بندی تصویر که قابلیت انعطاف مناسبی برای احوال جوراجور دارد مورد استعمال رسم گرفت و کرنلهای جوراجور آن با روش شبکه های عصبی
(NNC) بمنظور تولید اطلس زمین شناسی و با مقادیر مختلف نمونه های تعلیمی و با توجه به برداشتهای زمینی
و
مطالعات آزمایشگاهی، مناسبت تحلیل و ارزیابی قرار گرفت. نتایج
به سمت دست آمده نشان انصاف روش SVM در هر سه کرنل خویش توانسته است بیشترین دقت (83.42%) را نسبت به دو روش دیگر عرضه کند. همچنین روش
SVM با % 50 از داده
های
تعلیمی نیز می تواند به دقتی صفت استعمال از % 100 نمونه های تعلیمی برسد باب حالیکه روش NNC چنین قابلیتی را از خویش نشان نداد. از طرفی ارزیابی نتایج حاصل از شاخص تفکیک پذیری جفریس- ماتوسیتا با نتایج امعان طبقه اسیر به روش SVM گویای این حقیقت است که این روش در داده های حرف تفکیک پذیری پایین تر بسیار کارآمد
تر از روش NNC مناسبت جدال بوده و بنابراین به تماشا می رسد این آیین برای تهیه نقشه زمین شناسی مناسب خیس از آیین NNC خواهد حیات .