ارزيابي نقش بهينه سازي همزمان فضاي توصيف و الگوريتم طبقه بندي در افزايش دقت طبقه بندي

پياده سازي يك روند طبقه بندي نظارت شده با استخراج توصيف گر از مجموعه داده و تشكيل فضاي توصيف آغاز مي گردد، پارامترهاي الگوريتم طبقه بندي در مرحله آموزش تعيين مي گردند و سپس به منظور طبقه بندي تصوير، به ازاي هر پيكسل، برداري از توصيف گرها به عنوان اعضاي فضاي توصيف، وارد الگوريتم طبقه بندي مي شوند تا براساس خصوصيات بردار توصيف كننده هر پيكسل, طبقه بندي انجام گيرد. پس از قرار دادن اطلاعات همسان در يك كلاس, مي توان به نتايج با اهميتي در امر تشخيص، بازسازي، و شناسايي رسيد. اما ميزان موفقيت در اين امر تأثير مستقيمي روي دقت و صحت آناليزهاي بعدي دارد. بنابراين نمامي المان هايي كه موجب افزايش دقت طبقه بندي شود، بايد مورد توجه قرار گيرد. صرف نظر از انتخاب نوع روش طبقه بندي، مشكل اساسي مطرح در اين فرآيند كه تاثير بسيار مهمي روي دقت نهايي مي گذارد عبارتند از اولا" كامل بودن فضاي توصيف از نظر وجود مولفه هاي STS در مورد شناسايي هر كلاس به طور مجزا و ثانيا" انتخاب نوع و تعداد توصيف گرها به عنوان ورودي به طبقه بندي و حذف توصيف گرهاي تكراري و وابسته. در اين تحقيق بهينه يابي در فضاي توصيف همزمان با انتخاب ساختار شبكه عصبي انجام گرفته و ميزان كارايي روش پيشنهادي در افزايش دقت يك روند طبقه بندي در مورد داده هاي كامل ليدار به همراه داده هاي عكس هوايي رنگي از منطقه اي شهري انجام گرفت. نتايج طبقه بندي با فضاي توصيف بهينه، افزايش دقت را نسبت به استفاده از فضاي توصيف كامل نشان مي دهد.