طبقه بندی داده‌های فراطیفی براساس سیستم‌های ماشین‌های بردار پشتیبان چندگانه با استفاده از گروه بندی باندهای طیفی

با پیشرفت‌های کنونی در سنجش از دور و علوم مرتبط با آن، داده سنجش از دور فراطیفی با فراهم آوردن حجم بالای اطلاعات طیفی برای تشخیص بهتر کلاس‌های زمینی مورد استفاده فراوان قرار می‌گیرد، اگرچه تعداد زیاد باندهای طیفی در مقابل تعداد کم نمونه‌های آموزشی در دسترس، مشکل "پدبده هیوز" را در این داده ایجاد می‌کند. به علاوه تعداد زیاد باندهای طیفی که اغلب به یکدیگر وابسته می‌باشند، شامل اطلاعات زاید فراوانی هستند. این سطح بالا از پیچیدگی در داده‌های فراطیفی، باعث عدم کارایی روش‌های طبقه بندی کلاسیک در طبقه بندی این نوع داده می‌شود. با توجه به محدودیت‌های طبقه بندی کننده‌های انفرادی در این شرایط، سیستم‌های حاوی مجموعه طبقه بندی کننده‌ها ممکن است کارایی بهتری نسبت به طبقه بندی کننده‌های انفرادی داشته باشند. تحقیق پیش رو یک روش نوین برای طبقه بندی داده‌های فراطیفی با بکارگیری یک سیستم چندگانه ماشین‌های بردار پشتیبان که شامل گروه بندی باندهای طیفی است، معرفی می‌کند. روش پیشنهادی در اولین گام برای گروه بندی باندهای طیفی از روشی براساس اطلاعات دوطرفه یا متقابل استفاده می‌کند. روش پیشنهادی در دومین گام، از ماشین بردار پشتیبان به منظور طبقه بندی هر گروه از باندهای طیفی استفاده می‌کند تا مجموعه ای از طبقه بندی کننده‌ها حاصل شود. سرانجام روش پیشنهادی یک الگوریتم ادغام طبقه بندی کننده‌ها براساس تئوری بیز با نام Naïve Bayes (NB) را بکار می‌برد. نتایج حاصل از روش پیشنهادی برای دو نمونه از داده‌های فراطیفی نشان می‌دهد که روش پیشنهادی در مقایسه با SVM استاندارد-طبقه بندی کننده ایی که همه باندها را در یک زمان طبقه بندی می کند- نتایج بهتری را ایجاد می‌کند. این نتایج همچنین کارایی مفهوم گروه بندی باندها و سیستم‌های طبقه بندی کننده چندگانه را در مقایسه با روش‌های معمول پیشین نشان می‌دهد.