Thesis

بهبود طبقه بندی داده های لایدار با استفاده از مفاهیم هندسی و منطق فازی

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

امروزه دستیابی سریع و ارزان به اطلاعات عوارض پوششی سطح شهرها با استفاده از آنالیزهای سنجش از دور از اهمیت ویژه ای برخوردار است. چندین دهه از عمر این فناوری به عنوان اصلی ترین راهکار این هدف می گذرد. در چندسال اخیر با ظهور تصاویر با قدرت تفکیک مکانی بالا، کسب اطلاعات پوشش اراضی شمار زیادی از تحقیقات را به خود اختصاص داده است. البته هنوز اطلاعات سنجش از دور تا مرز رسیدن به یک ساختار تولید کاملآ خودکار و دقیق در نواحی شهری فاصله دارد. یکی از مهمترین دلایل این امر مشابهت های طیفی و هندسی بسیاری از عوارض شهری می باشد که آنالیزهای رستر مبنا را جهت استخراج اطلاعات از تصاویر سنجش از دور با چالش روبه رو ساخته است. از دهه 70 سیستم هایی تحت عنوان lidar (light detection and ranging) جهت استخراج اطلاعات گسسته از نواحی سطح زمین با استفاده از تکنولوژی لیزر معرفی شده اند. اما شکل امروزی این سیستم ها در سال های اخیر توسعه یافته است. این سیستم ها با استفاده از تکنولوژی لیزر توانایی برداشت اطلاعات مکانی از نقاط مختلف سطح زمین تحت عنوان ابرنقاط را دارا می باشند. شدت موج بازگشتی و چند بازگشتی بودن امواج لیزر نیز به عنوان قابلیت دیگر این سیستم ها بشمار می رود. در این تحقیق هدف استخراج اطلاعات پوشش اراضی از نواحی شهری با استفاده از داده های لایدار می باشد. جهت ارزیابی و مقایسه دقیق از روش های مرسوم استخراج اطلاعات لایدار، روش پیشنهادی این تحقیق شامل 2 استراتژی اصلی می باشد. استراتژی رسترمبنا مبتنی بر روش های نوین شئ مبنا بخش نخست این تحقیق را به خود اختصاص داده است. در آنالیز رستر مبنای پیشنهادی یک روش قانون مبنا مبتنی بر مدل سلسله مراتبی به کار گرفته شد. جهت بهبود این روش از یک استراتژی تکمیلی با استفاده از داده های بازگشت چندگانه امواج لایدار استفاده شد. جهت طبقه بندی اشیاء طبقه بندی نشده ی باقیمانده از یک روش طبقه بندی نزدیکترین همسایه فازی مبتنی بر بهینه سازی فضای ویژگی با استفاده از روش بهینه سازی sequential feature forward selection استفاده گردید. در استراتژی دوم از یک آنالیز برداری جدید جهت استخراج اطلاعات پوشش اراضی بهره گیری شد. برای نخستین بار، در این تحقیق از یک استراتژی مثلث بندی مبنا در فضای برداری با استفاده از یک مدل گام به گام قانون مند با طراحی و بکارگیری ویژگی های مکانی و هندسی استفاده شد. هر دو استراتژی یاد شده علاوه بر پیاده سازی و آنالیز بر روی منطقه ی مورد مطالعه ی نخست، تحت آنالیز تعمیم پذیری بر روی منطقه ی مورد مطالعه ی دیگر نیز قرار گرفتند. از بین روش های ذکر شده روش رستر مبنا با دقت کلی 94/0 مناسب ترین دقت را داراست و روش برداری ارائه شده دارای دقت کلی 92/0 می باشد. نتایج روش های یاد شده بر روی منطقه مورد مطالعه ی دوم به ترتیب دارای دقت کلی 82/0 و دقت کلی 81/0 می باشد که این نتایج حاکی از استحکام روش های یاد شده است.

Supervisors and advisors

حمید عبادی

Similar theses

  • بررسی کاربردهایی از عملگرهای توپولوژی فازی در بهبود طبقه بندی داده های ماهواره ای

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه علوم پایه دامغان - دانشکده علوم ریاضیعطیه کربلایی علی گل

    داده های ماهواره ای معمولا توام با خطا هستند و تصمیم درباره طبقه بندی آنها و تجزیه وتحلیل نهایی، منوط به انتخاب یک سیستم فازی مناسب برای آنهاست. در این خصوص به غیر از اطلاعات خاص در هر مورد، روش های استفاده از عملگرهای درون و بستار توپولوژی فازی متدوال است. در این پایان نامه ضمن

  • بهبود طبقه بندی داده های نامتوازن

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده برق و کامپیوترنیلوفر افشاری ابولکرلو

    یکی از حوزه های مهم در داده کاوی طراحی الگوریتم های کلاس بندی با دقت بالا است. این امر به ویژه در شرایطی که داده ها دارای پراکندگی نامتوازن باشند، پیچیدگی بیشتری پیدا می کند. یادگیری کلاس نامتوازن به یادگیری از مجموعه داده های نامتوازن اشاره دارد که در آن تعداد نمونه های کلاس گرو

  • بهبود طبقه بندی متن با استفاده از روش های ترکیب

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه کردستان - دانشکده مهندسیعلی دانش

    با توجه به گسترش اینترنت و افزایش چشمگیر حجم مطالب متنی، ابزارها و روش های خودکار برای مدیریت اسناد و مطالب متنی، مورد توجه بسیار زیادی قرار گرفته اند. از جمله ی این ابزارها می توان به طبقه بند متن اشاره کرد که می تواند در این زمینه بسیار موثر باشد. این ابزار کاربردهای فراوانی در

  • یک روش برای کاهش طبقه بندی داده با استفاده از تکنیک وزن دهی در svm+

    Thesis2015وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده مهندسی کامپیوترزهرا جعفری

    svm یک الگوریتم یادگیری مرتبط به تجزیه و تحلیل داده ها و تشخیص الگوها مورد استفاده می باشد.اما مسئله مهمی که وجود دارد داده های تکراری و همچنین زمان پردازش واقعی آن بدرستی مورد محاسبه واقع نشده است. به همین دلیل ما یک روش برای کاهش طبقه بندی داده ها با استفاده از تکنیک وزن دهی در

  • مدل سازی خطر فرسایش خاک در حوزه آبخیز بازفت با استفاده از الگوریتم منطق فازی، مدل swat و الگوریتم ژنتیک - خوشه بندی فازی

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده کشاورزیاصغر بسالت پور

    فرسایش خاک از جمله چالش های مهم زیست محیطی است که در مناطقی که کنترل نمی شود نه تنها سبب وارد آوردن خسارت های جبران ناپذیر به اراضی منابع طبیعی و کشاورزی می شود بلکه با رسوب مواد در آبراهه ها، مخازن، دریاچه سدها و بنادر، سبب کاهش ظرفیت آب گیری آن ها و بنابراین زیان های فراوان می

  • ارائه چارچوبی برای بخش بندی بازارهای الکترونیکی و طبقه بندی مشتریان با استفاده از مدل سازی و داده کاوی

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده علوم اداری و اقتصادبهرام ایزدی

    دو چالش عمده ی بنگاه ها «حفظ و نگهداری مشتریان فعلی» و «جذب مشتریان جدید» برای مواجهه با شرایط عدم اطمینان و کسب سهم بیشتر بازار به عنوان یک شاخص مهم مزیت رقابتی است. بخش بندی بازار به منظور شناخت هر چه بیشتر نیازها و خواسته های مشتریان از دیرباز یک گام اساسی برای ارایه خدمات بهت

Similar items