مروري جامع بر روش‌هاي يادگيري ماشين و انتخاب ويژگي با تاكيد بر موضوع طبقه‌بندي در كاربردهاي سنجش‌ازدوري

امروزه، با توجه به پتانسیل بالای تصاویر ماهواره ای و پیشرفت روزافزون تكنولوژی های اخذ اطلاعات از فضا، یكی از سریع‌ترین و باصرفه‌ترین راه¬های تهیه نقشه، استفاده از داده¬های سنجش‌ازدور می¬باشد. با توجه به اینكه داده¬های اخذشده توسط این سنسورها، حاوی سطح بالایی از جزئیات هستند و تفسیر دستی بسیار وقت‌گیر و پرهزینه است و در صورت بروز شرایط بحرانی نظیر زلزله، برای سازمان‌دهی اقدامات فوری، نقشه¬برداری سریع ضروری است، به‌منظور كاهش زمان و هزینه، اتوماسیون موردنیاز خواهد بود. تكنیك‌های یادگیری ماشین ثابت كرده‌اند كه برای سیستم‌هایی كه با حجم بالای داده‌ها سروكار دارند مناسب بوده و روش‌های انتخاب ویژگی به‌عنوان راهی برای كاهش زمان محاسبات، بهبود عملكرد پیش‌بینی و درك بهتر داده‌ها در كاربردهای یادگیری ماشین می¬توانند مثمر ثمر واقع شوند. بر این اساس در این مقاله مروری جامع بر روش‌های یادگیری ماشین و انتخاب ویژگی با هدف ارائه یك دیدگاه كلی بر قابلیت¬ها و موارد كاربرد این روش¬ها ارائه شده است. بدین منظور، با توجه به مزایا و محدودیت‌های روش‌های موردبررسی، درنهایت نتایج به‌صورت مقایسه تحلیلی و جدول مدون ارائه گردید. درنتیجه برای یك كاربرد، الگوریتم یادگیری ماشین و انتخاب ویژگی می‌تواند بر اساس مواردی چون دقت طبقه‌بندی و زمان محاسبات موردنیاز انتخاب گردد.