ارزيابي كرنل سايزهاي الگوريتم ماشين بردار پشتيبان (SVM) جهت طبقه بندي تصاوير فراطيفي

تصاوير فراطيفي 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. عليرغم اين ويژگي مفيد و مهم، تعدد باندها يا به عبارت ديگر اطلاعات طيفي با ابعاد زياد، چالشي جدي در پردازش و تجزيه تحليل اين داده ها در برابر پژوهشگران قرار داده است. در اين تحقيق توانايي الگوريتم SVM در كرنل سايز هاي مختلف بر روي تصوير فراطيفي سنجنده Hyperion با 242 باند، پياده سازي گرديد. در ادامه با بررسي صحت روش طبقه بندي، روش هاي مذكور مورد ارزيابي قرار گرفت و اين نتايج حاصل شد كه كرنل سايز شعاعي (RBF) با دقت كلي 99.0256 درصد و ضريب كاپاي 0.9851، بهترين كرنل سايز طبقه بندي و ضعيفترين كرنل سايز مربوط به كرنل سايز پيچشي (Sigmoid) با دقت كلي 98.426 درصد و ضريب كاپاي 0.9546 در الگوريتم ماشين بردار پشتيبان (SVM) ميباشد.