ارایه یک روش انتخاب ویژگی براساس الگوریتم ژنتیک و درخت تصمیم به‌منظور طبقه‌بندی تصاویر تمام پلاریمتریک راداری

یک تصویر تمام پلاریمتریک راداری (polsar) قادر است ویژگی های پلاریمتریک مهمی برای طبقه بندی پوشش زمینی فراهم کند. این ویژگی ها می‌توانند پارامترهای مستخرج از ماتریس پراکنش، کواریانس و همدوسی یا پارامترهای مستخرج از روش های تجزیه هدف یا هر دو دسته باشد. در این مقاله، ویژگی های پلاریمتریک فراوانی از یک تصویر polsar استخراج می شود. سپس با استفاده از الگوریتم ژنتیک (ga) و درخت تصمیم (dt)، یک روش انتخاب ویژگی مبتنی بر طبقه بندی ارایه می شود. پس از آن، طبقه‌بندی کننده dt با ویژگی های انتخابی از روش پیشنهادی با طبقه بندی کننده dt با تمام ویژگی ها مقایسه می شود. علاوه بر این، روش پیشنهادی با روش انتخاب ویژگی ga و ماشین بردار پشتیبان (svm) نیز مقایسه می شود. نتایج نشان داد که دقت روش پیشنهادی (dt با ویژگی های منتخب از ga-dt) حدوداً 3 درصد بیشتر از دقت روش dt با تمام ویژگی ها و تقریباً نزدیک به دقت روش dt با ویژگی های منتخب از ga-svm شد. این درحالی است، که سرعت عملکرد روش پیشنهادی تقریباً 5 برابر بیشتر از سرعت عملکرد روش dt با ویژگی های منتخب از ga-svm شد. به عنوان یک نتیجه ی دیگر، ویژگی های منتخب از روش پیشنهادی موفقیت بیشتری در تفکیک کلاس های شهری و پوشش گیاهی نسبت به ویژگی های دو روش دیگر داشتند.