معرفی یک روش بهینه جهت خوشه بندی جز ءبندی داده های فراطیفی با استفاده از الگوریتم بهینه سازی توده ذرات

یکی از موفقیت آمیز ترین کاربردهای داده های فراطیفی، طبقه بندی آنها و تولید نقشه های پوشش زمین بدون نیاز به داده های واقعیت زمینی است. در میان روش های مختلف طبقه بندی غیرنظارت شده، روش های جزءبندی به دلیل سرعت و عملکرد بالا در خوشه بندی داده های فراطیفی مورد توجه قرار گرفته اند. عملکرد خوشه بندی مبتنی بر جزء بندی این داده ها تابع پنج پارامتر تعداد و موقعیت خوشه ها، تعداد و موقعیت باندها و معیار شباهت است. بنابراین می توان به مسئله ی خوشه بندی جزء بندی به صورت یک مسئله ی بهینه سازی نگاه کرد که هدف در آن پیدا کردن موقعیت بهینه ی پارامترهای مذکور است. بسته به اینکه کدامیک از این پنج پارامتر در فرآیند بهینه سازی توده ذرات وارد شوند چهار حالت معنی دار در این تحقیق در نظر گرفته شده و هدف پیدا کردن حالتی است که به بالاترین دقت در تهیه نقشه های موضوعی منجر شود. لازم به ذکر است که از میان پنج پارامتر مختلف خوشه بندی، معیار شباهت و تعداد خوشه ها به منظور جلوگیری از پدیده ی افزونی پارامترها وارد فرآیند بهینه سازی نشده و ثابت در نظر گرفته شدند. بررسی ها بر روی یک مجموعه ی داده ی شبیه سازی و دو داده ی واقعی نشان دادند که از میان چهار حالت مورد بررسی در این تحقیق، حالتی که تعداد باندها در یک مرحله ی پیش پردازشی توسط خوشه بندی باندها در فضای داده ها یا با استفاده از تبدیل PCA در فضای ویژگی کاهش داده می شود دارای دقت بالاتری در تهیه ی نقشه های موضوعی هستند.