undefinedیکی از مهمترین روشهای استخراج اطلاعات از تصاویر سنجشازدور، طبقهبندی نظارتنشده است که به کاربران امکان تولید انواع اطلاعات از جمله نقشههای پوششی، کاربری و تغییرات را میدهد. این روش نیاز به داده آموزشی ندارد و الگوریتم طبق ویژگیهای آماری، عملیات خوشهبندی را انجام میدهد. در این پژوهش در محیط کد نویسی MATLAB با تصاویر لندست8، به مقایسه روش های ISO DATA، K-means و الگوریتم ژنتیک در بخشهایی از شمال استان گلستان پرداخته شد. برای هر سه رویکرد شرایط بطور کامل ثابت در نظر گرفته شد تا مقایسه مناسبتری بین روشها صورت گیرد. بمنظور اجرای الگوریتم ژنتیک از 30 نقطه (کروموزم)، و جهت صحت سنجی و بررسی دقت نتایج برای هر طبقه، از 10 نقطه حاصل از تصاویر Google earth به عنوان نقطه نمونه استفاده شد. نتایج نشان داد صحت کلی و ضریب کاپا در طبقهبندی نظارتنشده با استفاده از الگوریتم ژنتیک به ترتیب 89 و 86 درصد، K-means 54 و 47درصدو در ISO DATA 48 و 42 درصد بدست آمد. بنابراین پیشنهاد میگردد با در نظر گرفتن هدف و شرایط موجود در پژوهشها، استفاده از طبقهبندی نظارتنشده به کمک الگوریتم ژنتیک بویژه برای مناطقی که اطلاعات کافی از آن در دست نیست مورد بررسی قرار گیرد.
Hossinholizade A, Neysani Samany N. Application of genetic optimization algorithm in unsupervised classification and its comparison with ISO DATA and K-means classification methods. جغرافیایی 2026; 25 (92) : 6 URL: http://geographical-space.iau-ahar.ac.ir/article-1-3888-fa.html
حسینقلی زاده علی، نیسانی سامانی نجمه. بکارگیری الگوریتم بهینهسازی ژنتیک در طبقهبندی نظارتنشده و مقایسه آن با روشهای طبقهبندی ISO DATA و K-means. فضای جغرافیایی. 1404; 25 (92) :136-153
(2).jpg)
