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)

طبقه بندی کاربری اراضی با استفاده از تصاویر سنجش از دور یکی از مهمترین کاربردهای سنجش از دور است و بسیاری از الگوریتم ها برای این منظور توسعه یافته اند. این مطالعه کارایی الگوریتم های ماشین بردار پشتیبان (SVMs) را در طبقه بندی تصاویر ماهواره ای مورد بررسی قرار می دهد. ماشین های بردار پشتیبان یک گروه از الگوریتم های طبقه بندی نظارت شده یادگیری ماشینی هستند که در زمینه سنجش از دور مورد استفاده قرار گرفته اند. دقت طبقه بندی حاصل از SVMs باتوجه به نوع تابع کرنل متغیر است. در این مطالعه، الگوریتم های SVM برای طبقه بندی کاربری اراضی حوزه سد ایلام با استفاده از داده های ETM+ لندست مورد استفاده قرار گرفته است. طبقه بندی با استفاده از روش ماشین های بردار پشتیبان، بصورت خودکار و با استفاده از چهار نوع کرنل خطی، چندجمله ای، شعاعی و حلقوی اجرا شده است. در ضمن، کارکرد این روش با روش طبقه بندی حداکثر احتمال مقایسه شده است. نتایج نشان می دهد که الگوریتم های SVM خصوصا سه کرنل خطی، چندجمله ای و شعاعی نسبت به روش طبقه بندی حداکثر احتمال از نظر دقت کل (حدود 10%) و ضریب کاپا (حدود 15%) برتری دارد. بنابراین این مطالعه کارایی و قابلیت الگوریتم های SVM را در طبقه بندی تصاویر سنجش از دور اثبات می نماید.