بهبود روش های طبقه بندی به کمک تلفیق شبکه های عصبی و منطق فازی در تصاویر ابرطیفی
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
بررسی روش جنگل تصادفی جهت بهبود طبقه بندی پوشش اراضی شهری با استفاده از تصاویر ماهواره ای
طبقه بندی پوشش اراضی شهری همیشه به علت قابلیت برقراری ارتباط عناصر انسانی با محیط های فیزیکی و استفاده در مدیریت بهتر منابع دارای اهمیت بوده و هست. نیاز به دانش به روز، صحیح و دارای جزئیات از اطلاعات پوشش اراضی شهری حاصل از داده های سنجش از دور به طور فزاینده ای در میان بسیاری از
برآورد زیست توده جنگل با استفاده از تلفیق تصاویر sar و اپتیک و بهره گیری از روش های الگوریتم ژنتیک و شبکه عصبی
چکیده با توجه به تشکیل شدن اکثر زیست توده جنگل ها از کربن و اهمیت نقش منابع کربن در تغییرات آب و هوا، تخمین دقیق زیست توده به منظور ارزیابی منابع کربن، مقدار انرژی ذخیره شده در جنگل ها، میزان چوب و همچنین تغییرات زیست محیطی بسیار مورد توجه می باشد. محدودیت، زمانبر بودن و سختی جمع
روش طبقه بندی تصاویر ابرطیفی بر اساس نظریه گراف
تصویر برداری ابر طیفی به ما این امکان را می دهد که سطح زمین را با ابزاری پیشرفته بررسی کنیم.برای تجزیه وتحلیل سطح زمین،تصویر برداری هایپراسپکترال فضایی با ابعاد بالاو گسترده با صدها باند فرکانسی در اختیار ما می گذارد .که فرصت تحلیل دقیق را برای پردازش گر ها فراهم می کند.به دلیل و
استفاده از روش های شئ گرا در طبقه بندی تصاویر ابرطیفی
غنای داده های طیفی موجود در تصاویر ابرطیفی امکان مناسبی را برای تفکیک کلاس های مختلف عوارض موجود در صحنه تصویربرداری فراهم می کند. اما با اتکا به اطلاعات طیفی موجود در بردار ویژگی طیفی پیکسل ها نمی توان به حداکثر دقت ممکن طبقه بندی دست یافت. روش های مختلفی به منظور بهبود دقت طبقه
پهنه بندی خطر زمین لغزش با استفاده از منطق فازی و شبکه عصبی مصنوعی (مطالعه موردی: حوضه کشوری (نوژیان))
حوضه آبریز کشوری با مساحت 91/334 کیلومتر مربع در 20 کیلومتری جنوب شرقی شهر خرم آباد در استان لرستان قرار دارد. این حوضه از نظر تقسیم بندی زمین ساخت و حوضه های قدیمی ایران جزء زاگرس چین خورده قرار می گیرد. با توجه به نوع سازند های زمین شناسی، وضعیت توپوگرافی، لرزه خیزی و اقلیم آن،
طراحی سیستم تشخیص نفوذ به شبکه مبتنی بر طبقه بندی کننده ی عصبی – فازی و روش های کاهش ویژگی
هدف اصلی یک سیستم تشخیص نفوذ، طبقه بندی فعالیتهای یک سیستم به دو گروه اصلی فعالیتهای عادی و فعالیتهای نفوذی است. روش های متعددی برای ساخت سیستم تشخیص نفوذ توسط محققان ارائه شده است. هدف اصلی این پایان نامه، ارائه ی یک سیستم تشخیص نفوذ بر اساس سیستم استنتاج تطبیق پذیر عصبی – فازی،
اسناد مشابه
بهبود دقت طبقه بندی تصاویر ماهواره ای ابرطیفی با استفاده از توسعه یک شبکه عصبی کانولوشن و یادگیری عمیق
امروزه با پیشرفت تکنولوژی، سنجندههای متعدد، تصاویر ابرطیفی با رزولوشن طیفی و مکانی باال تهیه میکنند. تا کنون روشهای متعددی برای طبقهبندی تصاویر ابرطیفی ارائه شدهاند که هرکدام سعی دارند بر تعدادی از چالشهای محاسباتی و پردازشی دادههای ابرطیفی فائق آیند. با افزایش تعداد پارامترها که
مقایسه کارآیی روش های طبقه بندی پیکسل پایه (روش های شبکه عصبی آرتمپ فازی و تصمیم گیری درختی) و شیءگرا در تهیه نقشه کاربری اراضی (مطالعه موردی: حوزه خشک و نیمه خشک میمه، استان ایلام)
نقشه کاربری اراضی، از ابزارهای پایه برای مدیران و برنامهریزان در راستای توسعه پایدار مناطق مختلف است. روشهای مختلفی برای تهیه نقشه کاربری اراضی ارائه شده است. تهیه نقشه کاربری اراضی با استفاده از تصاویر ماهوارهای با بهرهگیری از تکنیکهای مختلفی از جدیدترین و مهمترین این روش
بررسی بهبود دقت طبقه بندی با استفاده از ادغام تصویر تک باند ali با تصاویر ابرطیفی hyperion
بیشتر الگوریتم های طبقه بندی داده های سنجش از دور براساس ویژگی ها و اطلاعات طیفی پیکسل ها عمل میکنند. این مسئله باعث نادیده گرفتن اطلاعات مکانی سودمند و قابل استخراج بسیاری، مانند بافت تصاویر میشود. محیط شهری بافت ناهمگنی دارد که شناسایی انواع کاربری ها را به فرایندی دشوار و پی
مقایسه دو روش طبقه بندی حداکثر احتمال و شبکه عصبی مصنوعی آرتمپ فازی در استخراج نقشه پوشش مرتعی (مطالعه موردی: مرتع حوزه دویرج دهلران)
مراتع از مهمترین منابع تجدیدشونده هستند که بدلیل وسعت و تأثیرات اقتصادی، اجتماعی و زیست محیطی خاص، از اهمیت ویژه ای برخوردارند. متأسفانه در کشور ما همانند اغلب کشورهای در حال توسعه، مراتع به دلایل مختلف از جمله مدیریت غیراصولی این منابع در معرض تخریب و نابودی قرار گرفته اند.فناور
مقایسه دو روش طبقه بندی حداکثر احتمال و شبکه ی عصبی مصنوعی در استخراج نقشه ی کاربری اراضی مطالعه موردی: حوزه سد ایلام
یکی از ضروری ترین اطلاعات مورد نیاز مدیران و متولیان منابع طبیعی، نقشه های کاربری اراضی می باشد. داده های ماهواره ای، به جهت ارایهی اطلاعات به هنگام و رقومی، تنوع اشکال و امکان پردازش در تهیهی نقشههای کاربری اراضی از اهمیت بالایی برخوردارند. از سویی دیگر در سالهای اخیر به طور
خوشه بندی و شناسایی کردن سرطان پستان توسط تصاویر حرارتی به کمک ترکیب شبکه عصبی SOM وSVM
مقدمه: تصویربرداری مادون قرمز یک روش تصویربرداری غیرتهاجمی است که به عنوان یک ابزار تشخیصی به کار می رود. این تحقیق تلاشی برای طبقه بندی کردن سرطان پستان به وسیله استخراج اطلاعات کمی و کیفی از تصاویر حرارتی و استخراج بهترین پارامترهای تشخیصی از میان کل پارامترهای موجود به کمک شبک