مقايسه روش هاي طبقه بندي ماشين بردار پشتيبان و حداكثر احتمال براي تفكيك واحدهاي دگرساني منطقه تخت گنبد سيرجان

تفكيك واحد هاي دگرساني، براي بسياري از فعاليت هاي معدني از جمله اكتشاف كانسارها، داراي اهميت مي باشد. در گذشته از روش هاي رايج كلاسيك بدين منظور استفاده مي شد اما امروزه روش ماشين بردار پشتيبان (SVM) كه يكي از مهم‌ترين مدل هاي داده كاوي است بسيار مورد استفاده قرار گرفته است. اين مدل براساس نظريه يادگيري آماري مي باشد. در پژوهش حاضر، روش ماشين بردار پشتيبان (SVM) و كرنل هاي مختلف آن با روش حداكثر احتمال به‌منظور تفكيك واحد هاي دگرساني مواد معدني منطقه تخت گنبد با استفاده از تصاوير ماهواره اي سنجنده ASTER مورد تحليل و ارزيابي قرار گرفت. نتايج به‌دست‌آمده نشان داد كه روش SVM با تابع كرنل RBF نسبت به ساير كرنل ها و روش حداكثر احتمال، بيشترين دقت (89.17 درصد) و ضريب كاپا (0.83) را دارا مي باشد. ارزيابي نتايج به‌دست‌آمده و مطالعات صحرايي گوياي اين حقيقت است كه روش SVM در طبقه بندي دگرساني هايي با تفكيك پايين تر در منطقه مورد مطالعه بسيار كارآمدتر از روش هاي مورد بحث ديگر بوده است.