%38تخفیف
دانلود: مقایسه الگوریتمهای MLC و ANNدر طبقهبندی کشف تغییرات دادههای ماهوارهای مطالعه موردی:شهرستان ارومیه
تعداد 124صفحه در فایل word
کارشناسی ارشد در رشته‌ی سنجش‌ازدور و سیستم اطلاعات جغرافیایی
مقایسه الگوریتمهای MLC و ANNدر طبقهبندی کشف تغییرات دادههای ماهوارهای
مطالعه موردی:شهرستان ارومیه
کلمات کلیدی: سنجش‌ازدور، دریاچه ارومیه، شبکههای عصبی، کشف تغییرات،،پیکسل پایه،.MLC، ANN |
امروزه تصاوير حاصله از سنجش‌ازدور به‌عنوان جديدترين اطلاعات در جهت مطالعه پوشش زمين کاربری‌های اراضی شناخته‌شده است.. نظر به اینکه فنّاوری سنجش‌ازدور تصاویر بروزی را از کاربری‌های اراضی ارائه می‌دهد در مطالعه کاربری‌های اراضی و ارزیابی نسبت تغییرات آن‌ها در طول زمان از اهمیت بالایی برخوردار است.. در تحقیق حاضر ما بر آنیم تا با دو حداکثر احتمال و شبکههای عصبی اقدام به طبقهبندی تصاویر لندست از سال‌های 1372تا 1393باهدف استخراج نقشه کاربری اراضی و مقایسه صحت آن‌ها در محدوده موردمطالعه نماییم.. در این پژوهش روش شبکه عصبی مصنوعی (MLP) با 1 لایه ورودی به تعداد 7 نورون شامل باند 1 تا 7 سنجندهTM با یک لایه پنهان با 15نورون می و همین‌طور OLI یک لایه پنهان با 20 نورون و یک لایه خروجی استفاده‌شده است. کلاس‌های کاربری شامل 7 کلاس آّب، اراضی آبی، دیم، بایر و مرتع، مسکونی، شوره‌زار می‌باشند. الگوریتم مورداستفاده در این شبکه همان الگوریتم پس انتشار بوده و از تابع سیگموئید به‌عنوان تابع فعالیت استفاده‌شده است. و در تعیین صحت سنجی ضریب کاپا با استفاده از روش شبکه عصبی و حداکثر احتمال به ترتیب 0.9224 و0.8945 به دست آمد و این ارقام روی تصاویر OLI سال 1393 به ترتیب 0.944 و 0.903 بوده که در هر دو مورد نشان از دقت بالاتر الگوریتم شبکههای عصبی مصنوعی دارد هم‌چنین در عملیات کشف تغییرات مشخص شد که طبقات آب، مسکونی و شوره‌زار متحمل بیشترین تغییرات، و طبقه اراضی متحمل کمترین تغییرات شده است. |
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.