1. 1. روش­های نظارت شده Supervised

1. 1. روش­های غیر نظارت­شده Unsupervised

روش­های نظارت شده
در طبقه ­بندی با نظارت^[۸]، نوع و مکان برخی از انواع پوشش ­های زمین^[۹] مثل منطقه شهری، کشاورزی و مرداب از قبل شناخته شده هستند. این شناخت از ترکیبی از کارمیدانی، تفسیر عکس­های هوایی، تجزیه و تحلیل نقشه­ها و تجربه شخصی قابل حصول است. کاربر لازم است مکانهای مخصوصی را در داده ­های سنجش از دور که نماینده مناطق یک­دستی^[۱۰] از این پوشش ­های زمین شناخته شده هستند، را معین کند. این مکانها را به دلیل خصوصیات طیفی آنها در آموزش الگوریتم طبقه ­بندی برای تهیه نقشه نهایی، معمولاً مناطق آموزشی^[۱۱] می­نامند. ابتدا پارامترهای آماری یک متغیره و چندمتغیره مثل میانگین، انحراف­معیار، ماتریس­های کوواریانس، ماتریس­های همبستگی و غیره برای هر منطقه آموزشی محاسبه می­گردند. سپس هر پیکسل (چه در داخل و چه در خارج منطقه آموزشی) مورد ارزیابی قرار گرفته و به کلاسی داده می­ شود که آن بیشترین احتمال برای عضویت در آن کلاس باشد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

انتخاب مناطق آموزشی و استخراج آمار آنها:
داده­­های مناطق آموزشی را می­توان با روش­های زیر به دست آورد:

• • جمع­آوری اطلاعات میدانی(In Site) از نوع پوشش زمین به همراه ثبت طول و عرض جغرافیایی

• • انتخاب داده ­های آموزشی از طریق رسم پلی­گون بر روی تصویر در مانیتور

• • گسترش^[۱۲] داده ­های آموزشی بر روی تصویر در مانیتور

هر پیکسل در منطقه آموزشی به یک کلاس به خصوص © تعلق دارد. این پیکسل را می­توان با یک بردار اندازه ­گیری^[۱۳] به نام نشان داد:
که در آن عبارت است از مقدار پیکسل i,j ام در باند k. از بردار اندازه ­گیری خام می­توان ماتریس کوریانس برای کلاس c ایجاد کرد:
که در آن عبارت است از کوواریانس کلاس c بین باندهای k و l که ماتریس کوواریانس برای کلاس c با نشان داده می­ شود(میبدی، ۱۳۸۵: ۳۸-۳۹).

• • • • • • 1. 1. الگوریتم FUZZY ARTMAP

             

             

         

         

     

     

شبکه عصبی Fuzzy ARTMAP و معماری مرتبط با آن توسط آرپنتر و گراسبرگ ارائه گردید (G.A.Carpenter and etall, 1992). این مدل میتواند در دو فاز مجزا اجرا گردد: فاز آموزشی و فاز عملکردی. در فاز آموزشی مجموعه ای از ورودی ها و خروجی ها (((I¹; label(I¹)); : : : ; (I^r; label(I^r)); : : : ; (I^PT ; label(I^PT ))) برای ارائه نقشه نهایی مرتباً تکرار میشوند.
نزدیک ترین رده به الگوی ورودی I^r با یافتن رده ای که بیشینه تابع را دارد تعیین میگردد:
تشدید رده بوسیله آزمایش تعیین میگردد، اگر تابع، نسبت احتیاط نامیده شود، به صورت زیر تعیین می گردد:
که به صورت زیر تغییر می یابد
اگر برچسب الگوی ورودی I^r همچون برچسب رده تشدید شده باشد، بنابراین قالب رده w_j به صورت زیر ارائه میگردد
اگر رده j به عنوان شدت و فاتح انتخاب شود، اما برچسب رده w_j متفاوت از برچسب الگوی ورودی I^r باشد، بنابراین این رده بازیابی شده و پارامتر احتیاط به سطح بالاتر منتقل میگردد:
در فرمول بالا مقادیر و پارامترهای شبکه فازی هستند، معمولاً کمیت های مثبت پائین میگیرد، کمیت های بین ۱ و ۰ را انتخاب میکند، پارامتر مثبت بسیار پائینی است.
تمامی فرمولهای فوق شامل یک عامل خاصی میگردد که عامل کمینه فازی نامیده میشود که با نماد نشان داده میشود. در حقیقت، عملکرد کمینه فازی، شامل دو بردار x و y است که به صورت y طراحی شده است، که در واقع برداری است که بخشهای آن برابر کمینه بخشهای x و y است.
یکی دیگر از عملگرهای خاص که در این فرمول ها ارائه شده، با نماد نشان داده شده است. به طور خاص، اندازه بردار x است که جمع بخشها را تعریف میکند.