دانلود مقاله الگوریتم مبتنی بر ماشین های بردار پشتیبان برای طبق

دانلود مقاله الگوریتم مبتنی بر ماشین های بردار پشتیبان برای طبقه بندی ادغام داده های لایدار و فراطیفی با word دارای 9 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد دانلود مقاله الگوریتم مبتنی بر ماشین های بردار پشتیبان برای طبقه بندی ادغام داده های لایدار و فراطیفی با word کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی دانلود مقاله الگوریتم مبتنی بر ماشین های بردار پشتیبان برای طبقه بندی ادغام داده های لایدار و فراطیفی با word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن دانلود مقاله الگوریتم مبتنی بر ماشین های بردار پشتیبان برای طبقه بندی ادغام داده های لایدار و فراطیفی با word :

سال انتشار: 1394
محل انتشار: دهمین کنگره بین المللی مهندسی عمران
تعداد صفحات: 9
نویسنده(ها):
بهاره عباسی – دانشجوی کارشناسی ارشد فتوگرامتری، گروه مهندسی نقشه برداری، دانشگاه تهران
حسین عارفی – استادیار گروه مهندسی نقشه برداری ، دانشگاه تهران
بهناز بیگدلی – فارغ التحصیل دکترای فتوگرامتری، گروه مهندسی نقشه برداری، دانشگاه تهران

چکیده:
محدودیت های سنجنده های مختلف سنجش از دور و ضعف آنها در شناسایی عوارض مختلف باعث شد ادغام داده های حاصل از سنجنده های مختلف مورد توجه قرار گیرد. داده های حاصل از لایدار اطلاعات ارتفاعی مناسبی را از عوارض زمینی فراهم می کنند. در مقابل، داده های حاصل از سنجنده های فراطیفی اطلاعات طیفی مناسبی را از عوارض زمینی ارائه می دهند. این مقاله یک سیستم ادغام طبقه بندی کننده ها مبتنی بر طبقه بندی ماشین های بردار پشتیبان بر روی داده ی لایدار و فراطیفی ارائه می نماید. در گام نخست، روش های استخراج ویژگی بر روی هرکدام از داده ها به طور مجزا اعمال می گردد و ویژگی های داده لایدار و فراطیفی استخراج می شود. در گام بعدی، طبقه بندی مبتنی بر ماشین های بردار پشتیبان بر روی داده ها اعمال شده و در مرحله ی نهایی بااستفاده از روش های ادغام، طبقه بندی کننده ها بایکدیگر ادغام می شوند. بررسی نتایج نمایانگر بهبود دقت تا 58 % است.