مقاله

بهبود طبقه بندی بدون نظارت تصاویر فراطیفی با استفاده از مدل خوشه بندی فازی gustafson-kessel

حمید عزت آبادی پور، مربی رشتۀ مهندسی نقشه برداری، دانشکدۀ مهندسی عمران، دانشگاه صنعتی سیرجان سعید همایونی، استادیار، گروه جغرافیا، مطالعات محیطی و ژئوماتیک، دانشگاه اتاوا

چکیده

مدل های خوشه بندی c-means یکی از پرکاربردترین شیوه های طبقه بندی نظارت نشده در آنالیز داده ها به شمار می­رود. مدل فازی این روش، یعنی fuzzy c-means، یکی از مشهورترین مدل هایی است که در آن هر داده با یک مقدار درجۀ عضویت بین 0 و 1، به هر یک از خوشه ها اختصاص داده می­شود. این مدل خوشه بندی جهت طبقه بندی داده های سنجش از دوری بسیار استفاده شده است. مدل fuzzy c-means از فاصلۀ اقلیدسی جهت خوشه بندی استفاده کرده و برای همۀ خوشه ها شکل یکسانی فرض می­کند. با وجود این، این مدل برای داده هایی که در آن ها کلاس ها دارای شکل و حجم متفاوت اند، مناسب به نظر نمی­رسد. برای رفع این مشکل، مدل gustafson-kessel جهت خوشه بندی داده های پیچیده ارائه شده است. این مدل برمبنای به کارگیری یک ماتریس کوواریانس فازی برای هر خوشه عمل می کند و شکل هندسی، حجم و جهت­گیری یکسانی برای همۀ خوشه ها در نظر نمی­گیرد. در این تحقیق، از هر دو مدل خوشه بندی مذکور جهت داده های سنجش از دوری فراطیفی واقعی حاصل از سنجنده های hyperion، rosis و casi استفاده شده است. نتایج حاصل از مدل های خوشه بندی fuzzy c-means و gustafson-kessel به پارامتری به نام فازی کننده وابسته است که در این تحقیق، مقدار بهینۀ آن با محاسبه و بررسی دقت طبقه بندی هر یک از این مدل ها، در ازای فازی کننده های مختلف به دست آمده است. نتایج به دست آمده در ازای مقدار بهینه فازی کننده، نشان می­دهد که مدل gustafson-kessel دقت و صحت طبقه بندی را حدود 5/12% برای داده های hyperion و حدود 45/8% برای داده های rosis افزایش می دهد. همچنین، ارزیابی دیداری نتایج دو مدل خوشه بندی روی داده های casi نشان می دهد که مدل gustafson-kessel عملکرد بهتری دارد. البته در مقابل، باید گفت مدل gustafson-kessel هزینۀ زمانی بیشتری را صرف می کند و همچنین، جهت تعیین پارامتر مربوط به حجم خوشه ها، به دانش قبلی نیاز دارد.

اسناد مشابه

  • طبقه بندی نظارت نشده تصاویر فراطیفی با الگوریتم خوشه بندی possibilistic fuzzy c-means

    مقالهمهندسی نقشه برداری و اطلاعات مکانیحمید عزت آبادی پور، h. ezzatabadi pour سعید همایونی، s. homayouni

    روش های طبقه بندی از مهم ترین روش های استخراج اطلاعات از تصاویر سنجش از دوری می باشند که به طور مرسوم به دو دسته نظارت شده و نظارت نشده تقسیم می شوند. روش های نظارت شده نیازمند جمع آوری داده های آموزشی بوده و مستلزم صرف هزینه و زمان می باشند. در مقابل، روش های نظارت نشده فقط متکی

  • کاهش بعد تصاویر فراطیفی از طریق خوشه بندی فازی باندها

    مقاله۲۰۰۹نشریه دانشکده فنیبرات مجردی، محمد جواد ولدان زوج، حمید ابریشمی مقدم

    این مقاله یک روش نوین جهت انتخاب باند از تصاویر فراطیفی از طریق خوشه بندی باندها ارائه می دهد. نوآوری اصلی این تحقیق در دو موضوع قرار می گیرد: الف- ارائه یک فضای محاسباتی جدید با نام فضای پدیده که در آن باندها بر اساس انعکاس طیفی پدیده ها دارای بردار مشخصه می شودد. ب- ارائه معیار

  • کاهش بعد تصاویر فراطیفی از طریق خوشه بندی فازی باندها

    مقاله۲۰۰۹نشریه دانشکده فنیبرات مجردی، حمید ابریشمی مقدم، محمد جواد ولدان زوج

    این مقاله یک روش نوین جهت انتخاب باند از تصاویر فراطیفی از طریق خوشه بندی باندها ارائه می دهد. نوآوری اصلی این تحقیق در دو موضوع قرار می‌گیرد: الف- ارائه یک فضای محاسباتی جدید با نام فضای پدیده که در آن باندها بر اساس انعکاس طیفی پدیده ها دارای بردار مشخصه می‌شودد. ب- ارائه معیار

  • کاهش بعد تصاویر فراطیفی از طریق خوشه بندی فازی باندها

    مقاله۲۰۱۳Journal of Algorithms and ComputationBarat Mojarradi, Hamid Abrishami, Mohammad Javad Valadanzouj

  • بهبود طبقه بندی طیفی- مکانی جنگل پوشای مینیمم با کاهش ابعاد تصاویر فراطیفی

    مقالهعلوم و فنون نقشه برداریداود اکبری، d. akbari surveying and geomatics engineering department, college of engineering, university of tehran, tehran, iranگروه مهندسی نقشه برداری - پردیس دانشکده های فنی - دانشگاه تهران عبدالرضا صفری، a. safari surveying and geomatics engineering department, college of engineering, university of tehran, tehran, iranگروه مهندسی نقشه برداری - پردیس دانشکده های فنی - دانشگاه تهران صفا خزائی، s. khazai department of civil engineering, college of engineering, imam hussein comprehensive university, tehran, iranگروه مهندسی عمران- دانشکده فنی- دانشگاه جامع امام حسین (ع) سعید همایونی

    فن آوری سنجش از دور فراطیفی دارای کاربردهای فراوان در طبقه بندی پوشش های زمین و بررسی تغییرات آنها است. با پیشرفت های اخیر و ایجاد تصاویری با قدرت تفکیک مکانی بالا، لزوم استفاده توام از اطلاعات طیفی و مکانی را در طبقه بندی تصاویر فراطیفی ایجاب می کند. در این تحقیق روشی جدید جهت ط

  • طبقه بندی خردپیکسلی تصاویر فراطیفی با استفاده از تحلیل مولفه های مستقل

    مقالهمهندسی نقشه برداری و اطلاعات مکانیحسین ارمشی، h. armeshi گروه مهندسی نقشه برداری - پردیس دانشکده های فنی - دانشگاه تهران سعید همایونی، s. homayouni گروه مهندسی نقشه برداری - پردیس دانشکده های فنی - دانشگاه تهران محمد سعادت سرشت، m. saadatseresht گروه مهندسی نقشه برداری - پردیس دانشکده های فنی - دانشگاه تهران

    شناسایی و تشخیص عوارض شهری، یکی از کاربردهای پیچیده در طبقه بندی تصاویر سنجش از دوری است. با این وجود، به نظر می رسد تصاویر فراطیفی به دلیل توانمندی ویژه در ارائه اطلاعات پیرامون مواد و اشیاء سطح زمین، توان بهتری داشته باشند. روش های پردازش تصاویر کلاسیک معمولا برای داده های فراط