نتایج جستجو برای: پوشش پشتیبان
تعداد نتایج: 26827 فیلتر نتایج به سال:
آگاهی از میزان تاجپوشش درختان در مناطق شهری بهعلت تأثیرات آن کاهش آلودگیهای هوا، آلودگی صوتی، جلوگیری باد، ذخیرة نزولات آسمانی، و کنترل روانابهای بسیار ضروری است. ازآنجاکه استخراج با روشهای دستی وقتگیر پرهزینه است، تکنیکهای سنجش دور میتوانند ابزار مناسبی برای تأمین این دادهها باشند. طبقهبندی شیءپایه، انتخاب پارامترهای بهینة قطعهبندی، بهویژه پارامتر مقیاس، اهمیت بسیاری دارد معمول...
مکان یابی پوشش تدریجی تسهیلات به منظور حداکثر کردن پوشش نقاط تقاضا یکی از مسایل مهم و پرکاربرد در حوزه مسایل مکان یابی است. در تحقیق حاضر تسهیلات مورد نظر به صورت سلسله مراتبی با ظرفیت های متفاوت در نظر گرفته شده است. از آنجا که در دنیای واقعی تعداد تسهیلات و شعاع های پوشش آن ها (بعلت مسایلی نظیر ترافیک، آب و هوا و ...) در دوره های زمانی مختلف متفاوت است، مدل پیشنهادی بصورت مدل پوشش تدریجی پشتی...
هدف این تحقیق، شناسایی سطح زیر کشت محصول زعفران در شهرستان تربت حیدریه با استفاده از تصاویر ماهواره ای 8-landsat با استفاده از روش های طبقه بندی شبکه عصبی مصنوعی، ماشین های بردار پشتیبان، فاصله ماهالانوبیس، حداقل فاصله، حداکثر احتمال، متوازی السطوح برای تهیه نقشه پوشش و استفاده از شاخص های گیاهی نرمال شده تفاضل پوشش گیاهی (ndvi) و شاخص پوشش گیاهی با انعکاس خاک (savi) در دوره اوج سبزینگی زعفران ...
تهیه نقشه کاربری/پوشش اراضی، برای برنامهریزی و مدیریت مکانی ضروری است. امروزه تصاویر ماهورهای و تکنیکهای سنجش از دور،به دلیل فرآهم آوردن دادههای بهنگام و قابلیت بالای آنالیز تصاویر، کاربرد گستردهای در تمامی بخشها از جمله بخشهای کشاورزی و منابع طبیعی دارند. در پژوهش حاضر طبقهبندیکنندههای شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا جهت تهیه نقشهکاربری/پوشش اراضی شهرستانهای اردبیل، ن...
در پژوهش حاضر تأثیر الگوریتمهای طبقهبندی بر دقت حاصل از طبقهبندی پوشش آبسنگهای مرجانی با استفاده از تصاویر سنجندهی لندست 8 مربوط به سال 2013 میلادی، بررسی گردید. به این منظور به غیر از الگوریتم بیشترین احتمال که الگوریتم متداول در طبقه بندی پوشش صخرههای مرجانی میباشد، کارایی الگوریتمهای شبکه عصبی و ماشین بردار پشتیبان نیز بررسی گردید. در این بررسی، علاوه بر داده های جزیرهای در ساحل شرق...
در مسأله بیشینه سازی پوشش، هدف این است که با مکان یابی و استقرار تعداد محدودی تسهیل در یک شبکه تقاضا، مجموع تقاضای پوشش یافته در این شبکه بیشینه شود. در اکثر این مطالعات پیشین، شعاع پوشش(فاصله پوشش) به عنوان یک معیار بحرانی مطرح می شود که خارج از این فاصله هیچ تقاضایی پوشش نمی یابد. همچنین مدل های چندهدفه ی این مسأله، چندان مورد بررسی قرار نگرفته است. ضمنا، در این مسأله هر گره تقاضا می تواند فق...
هدف از این تحقیق ارزیابی کارایی سه الگوریتم ماشین بردار پشتیبان، درخت تصمیمگیری و شبکه عصبی مصنوعی فازی آرتمپ جهت تهیه نقشه پوشش زمین حوزه آبخیز ارکواز با استفاده از تصویر سنجنده oli ماهواره لندست 8 (سال 1393) است. پس از تصحیح هندسی تصاویر و پیشپردازشهای صورت گرفته، اقدام به تعیین نمونههای تعلیمی مربوط به طبقات پوشش زمین برای انجام عملیات طبقهبندی شد و ارزیابی تفکیک پذیری نمونهها در هر کد...
امروزه داده های سنجش از دور قادر به ارائه جدیدترین اطلاعات برای مطالعه پوشش زمین و کاربری های اراضی می باشند. این تصاویر به دلیل ارائه اطلاعات به هنگام، تنوع اشکال، رقومی بودن و امکان پردازش در تهیه نقشه های کاربری از اهمیت بالایی برخوردارند. مشخص کردن پوشش اراضی کمک شایانی به مدیران مناطق جهت تصمیم گیری می کند. در این راستا هدف از انجام این پژوهش مقایسه کارآیی روش های پارامتریک (کمترین فاصله و...
در پژوهش حاضر تأثیر الگوریتمهای طبقهبندی بر دقت حاصل از طبقهبندی پوشش آبسنگهای مرجانی با استفاده از تصاویر سنجندهی لندست 8 مربوط به سال 2013 میلادی، بررسی گردید. به این منظور به غیر از الگوریتم بیشترین احتمال که الگوریتم متداول در طبقهبندی پوشش صخرههای مرجانی میباشد، کارایی الگوریتمهای شبکه عصبی و ماشین بردار پشتیبان نیز بررسی گردید. در این بررسی، علاوه بر دادههای جزیرهای در ساحل شرق...
تهیة نقشه کاربری/پوشش اراضی، برای برنامهریزی و مدیریت مکانی ضروری است. امروزه تصاویر ماهورهای و تکنیکهای سنجش از دور،به دلیل فرآهم آوردن دادههای بهنگام و قابلیت بالای آنالیز تصاویر، کاربرد گستردهای در تمامی بخشها از جمله بخشهای کشاورزی و منابع طبیعی دارند. در پژوهش حاضر طبقهبندیکنندههای شبکه عصبی مصنوعی، ماشین بردار پشتیبان و شیءگرا جهت تهیه نقشةکاربری/پوشش اراضی شهرستانهای اردبیل، ن...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید