ارزيابي روش درخت دودويي SVM جهت طبقه بندي تصاوير ابر طيفي

بر طبق اصل موضوع ماشين هاي بردار پشتيبان و اصل تفكيك پذيري بين كلاسي داده هاي ابرطيفي، يك روش جديدي تحت عنوان طبقه بندي كننده ي درخت دودويي SVM بر اساس اندازه گيري قدرت تفكيك پذيري بين كلاسي براي تصاوير ابرطيفي ايجاد شده است.در اين روش از معيار فاصله J-M و KullbackLeiber براي تفكيك بين كلاسها استفاده مي شود. هدف اين مقاله ارزيابي روش درخت دودويي SVM ارائه شده توسط PeijunDu,Kun Tan و XiaoshiXing مي باشد.اين روش بر روي يك تصوير ابرطيفي پياده مي شود و سپس با روش هاي مختلف طبقه بندي كننده ي SVM از جمله، OAO، BBTSVM، SBTSVM، و روش MDC مقايسه مي شود. نتايج اين تحقيق نشان مي دهند كه روش مورد استفاده در اين مطالعه، همان طبقه بندي كننده ي درخت دودويي SVM، ساير روش هاي طبقه بندي SVM را بهبود بخشيده است. استفاده از روش طبقه بندي كننده ي درخت دودويي SVM باعث افزايش دقت طبقه بندي تصاوير ابر طيفي شده و همچنين فضايي را فراهم آورده است كه بتوان به آساني تصاوير ابرطيفي را تفسير و از آنها در كاربردهاي مختلف استفاده كرد.