[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
DOI::
OPEN ACCESS::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار نشریه
مقالات منتشر شده: 613
نرخ پذیرش: 21.3
نرخ رد: 78.7
میانگین داوری: 307 روز
میانگین انتشار: 630 روز
..
آمار عمومی نشریه
آمار عمومی نشریه
..
تعداد دورها                          23
تعداد شماره‌ها 83
 تعداد مقالات 4001
 تعداد مشاهده مقاله 11748252
 تعداد مقالات ارسال شده در یکسال اخیر 3230
 تعداد مقالات پذیرفته شده  637
 درصد پذیرش 30
 زمان پذیرش (روز) 120
 تعداد پایگاه های نمایه شده 9
 h.index 3
میانگین بازه زمانی فرایند داوری 30
:: دوره 13، شماره 44 - ( 12-1392 ) ::
جلد 13 شماره 44 صفحات 0-0 برگشت به فهرست نسخه ها
مقایسه کارایی الگوریتم های طبقه بندی شبکه عصبی مصنوعی و درختی درتهیه لایه کاربری اراضی با کمک داده های ETM+ (مطالعه موردی: حوضه دره شهر استان ایلام)
صالح آرخی*1، یعقوب نیازی، حیدر ابراهیمی2
1- دانشکده علوم انسانی، دانشگاه گلستان
2- دانشکده منابع طبیعی دانشگاه زابل
چکیده:   (15236 مشاهده)
یکی از ضروری‌ترین اطلاعات مورد نیاز مدیران و متولیان منابع طبیعی، نقشه‌های کاربری اراضی می باشد. طی سال های گذشته، کاربردهای زیادی از روش‌های طبقه بندی شبکه عصبی مصنوعی برای طبقه بندی پوشش گیاهی در منابع گزارش شده است، اما مطالعات معدودی، استفاده از روش‌های طبقه بندی درختی و مقایسه آن‌ها با روش‌های شبکه عصبی مصنوعی ارزیابی نموده‌اند. در این مطالعه، ابتدا تصحیحات هندسی و رادیومتری بر روی داده‌های ETM+ صورت گرفت. سپس با بازدیدهای میدانی، طبقات مختلف کاربری اراضی تعریف و نمونه‌های آموزشی انتخاب گردید. در این مطالعه، هدف اصلی مقایسه سه الگوریتم طبقه بندی شبکه عصبی مصنوعی برای طبقه بندی پوشش سطح زمین حوزه دره شهر استان ایلام می باشد. در ضمن، کارکرد این روش‌ها با روش طبقه بندی درختی با سه روش انشعاب مقایسه شده است. نتایج حاصل از ارزیابی دقت تصاویر طبقه بندی شده نشان داد که روش طبقه بندی شبکه عصبی (به جز کوهونن) با دقت کل متوسط 92 و ضریب کاپای 90/0 دارای دقت بیشتری نسبت به روش طبقه بندی درختی (با سه روش انشعاب) با دقت کل متوسط 90 و ضریب کاپای 88/0 می باشد. به علاوه، زمانی که روش‌های مختلف شبکه عصبی مورد آنالیز قرار گرفت، مشخص گردید که روش شبکه عصبی آرتمپ فازی نسبت به روش‌های پرسپترو و کوهونن دقت بالاتری (با دقت کل 2% و 22% و ضریب کاپای 3% و 24% بیشتر) داشت. در این تحقیق، بالاترین دقت طبقه بندی مربوط به طبقه بندی شبکه عصبی مصنوعی آرتمپ فازی بود. بنابراین این مطالعه کارایی و قابلیت الگوریتم های شبکه عصبی مصنوعی را در طبقه بندی تصاویر سنجش از دور اثبات می نماید.
واژه‌های کلیدی: کاربری اراضی، طبقه بندی تصویر، شبکه عصبی پرسپترون، شبکه عصبی کوهونن، شبکه عصبی آرتمپ فازی، طبقه بندی درختی، ETM+، حوزه دره شهر، استان ایلام.
متن کامل [PDF 382 kb]   (3209 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1393/2/1 | پذیرش: 1393/2/1 | انتشار: 1393/2/1
ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Comparing Efficiency of Artificial Neural Network and Decision Tree Methods In Preparing of Land Use Layer Using ETM+ Data (Case Study: Darashar Catchment). جغرافیایی 2014; 13 (44)
URL: http://geographical-space.iau-ahar.ac.ir/article-1-822-fa.html

آرخی صالح، نیازی یعقوب، ابراهیمی حیدر. مقایسه کارایی الگوریتم های طبقه بندی شبکه عصبی مصنوعی و درختی درتهیه لایه کاربری اراضی با کمک داده های ETM+ (مطالعه موردی: حوضه دره شهر استان ایلام). فضای جغرافیایی. 1392; 13 (44)

URL: http://geographical-space.iau-ahar.ac.ir/article-1-822-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 13، شماره 44 - ( 12-1392 ) برگشت به فهرست نسخه ها
فضای جغرافیایی Geographic Space
Persian site map - English site map - Created in 0.21 seconds with 43 queries by YEKTAWEB 4642