ارزیابی کارایی الگوریتم های ماشین بردار پشتیبان جهت طبقه بندی کاربری اراضی با استفاده از داده های ماهواره ای ETM+ لندست (مطالعه موردی: حوزه سد ایلام)

طبقه‏بندی کاربری اراضی با استفاده از تصاویر سنجش از دور یکی از مهمترین کاربردهای سنجش از دور است و بسیاری از الگوریتم‏ها برای این منظور توسعه یافته‏اند. این مطالعه کارایی الگوریتم‏های ماشین بردار پشتیبان (svms) را در طبقه‏بندی تصاویر ماهواره‏ای مورد بررسی قرار می‏دهد. ماشین‏های بردار پشتیبان یک گروه از الگوریتم‏های طبقه‏بندی نظارت شده یادگیری ماشینی هستند که در زمینه سنجش از دور مورد استفاده قرار گرفته اند. دقت طبقه‏بندی حاصل از svms باتوجه به نوع تابع کرنل متغیر است. در این مطالعه، الگوریتم های svm برای طبقه‏بندی کاربری اراضی حوزه سد ایلام با استفاده از داده‏های etm+ لندست مورد استفاده قرار گرفته است. طبقه‏بندی با استفاده از روش ماشین‏های بردار پشتیبان، بصورت خودکار و با استفاده از چهار نوع کرنل خطی ، چندجمله‏ای ، شعاعی و حلقوی اجرا شده است. در ضمن، کارکرد این روش با روش طبقه‏بندی حداکثر احتمال مقایسه شده است. نتایج نشان می‏دهد که الگوریتم‏های svm خصوصاً سه کرنل خطی، چندجمله‏ای و شعاعی نسبت به روش طبقه‏بندی حداکثر احتمال از نظر دقت کل (حدود 10%) و ضریب کاپا (حدود 15%) برتری دارد. بنابراین این مطالعه کارایی و قابلیت الگوریتم‏های svm را در طبقه‏بندی تصاویر سنجش از دور اثبات می‏نماید.