بهبود طبقه بندي تصويرفراطيفي AVIRIS بااستفاده از الگوريتم هاي GSA و GA

امروزه تصاوير فرا طيفي به علت غناي اطلاعات طيفي يك ابزار قوي و كارامد در سنجش از دور به حساب مي آيند و امكان تمايز بين عوارض مشابه را فراهم مي آورند. با توجه به پايداري ماشين هاي بردار پشتيبان (SVM) در فضاهايي با ابعاد بالا، يك گزينه مناسب درطبقه بندي تصاوير فرا طيفي محسوب مي شوند. به منظور استفاده از SVM با بيشترين كارايي، مي بايست مقادير بهينه ي پارامترها و همچنين زير مجموعه بهينه از ويژگي هاي ورودي تعيين گردند. در اين تحقيق از الگوريتم هاي ژنتيك (GA) و جستجوي گرانشي (GSA) به عنوان تكنيك هاي بهينه سازي فرا ابتكاري، در طبقه بندي تصاوير فرا طيفي استفاده شده است. در حل همزمان تعيين پارامتر و انتخاب ويژگي، براي كرنل گوسين و پلينوميال به ترتيب 5% و 15 % افزايش دقت با حذف بيش از نيمي از باندهاي تصوير حاصل شد. در مقايسه دو الگوريتم، نتايج حاكي از برتري الگوريتم ژنتيك به ويژه با بزرگ و پيچيده شدن فضاي جستجو مي باشد.