تحليل روش هاي مبتني بر ماشين هاي بردار پشتيبان(SVM) در طبقه بندي پوشش زمين

با توجه به نقش تصاوير سنجش از دور در استخراج اطلاعات از جمله پوشش و كاربر ي زمين، روش هاي بسياري براي طبقه بندي تصاوير و تهيه ي نقشه هاي موضوعي، تا به امروز مطرح شده است. يكي از اين روش ها، ماشين هاي بردار پشتيبان است. در اين مقاله، ماشين هاي بردار پشتيبان و توابع كرنل (توابع شعاعي واحد و پلي نوميال)، و روش هاي طبقه بندي چند كلاسي (يكي در مقابل يكي، يكي در مقابل بقيه، همه با هم، گراف غيرحلقوي مستقيم ) مبتني بر ماشين هاي بردار پشتيبان ، معرفي شده و با استفاده از تحقيقات انجام شده در اين زمينه، نتايج مقايسه ي اين توابع و روش ها در طبقه بندي پوشش زمين، ارائه گرديده است . همچنين استفاده از گراف لاپلاسين، به عنوان روش طبقه بندي نيمه نظارت شده، معرفي شده است. با استناد به نتايج به دست آمده در اين مطالعات، نشان داده شده است كه استفاده از توابع شعاعي واحد و روش طبقه بندي يكي در مقابل يكي، صحت طبقه بندي بالاتري دارد . اما به طور كلي انتخاب هر روشي وابسته به نوع كاربرد و پارامترهاي ديگري است كه به آن اشاره شده است.