قطعه بندي و طبقه بندي با استفاده از نقشه هاي خود سامانده با تكيه بر كتابخانه هاي طيفي مواد معدني

امروزه سنجش از دور در محدوده طيفي مادون قرمز با هدف شناسايي كاني ها و مواد معدني و توزيع آنها روي سطوح زميني و نجومي يك فعاليت مداوم و رو به پيشرفت محسوب مي شود. حجم وسيعي از داده هاي طيفي كه در حال حاضر موجود و قابل دستيابي هستند و يا در ماموريت هاي فضايي آينده اخذ خواهند شد نشان از چالشي بزرگ براي دانشمندان و محققان دارد تا بتوانند از اين داده ها اطلاعاتي مفيد و كاربردي استخراج نمايند. نياز به روش هاي اتوماتيك براي تسهيل در اين فرايند به وضوح احساس مي شود. تفكيك و سازمان دادن اين داده ها در قطعه هاي معني دار، يك مرحله حياتي از آناليز داده هاي سنجش از دور به حساب مي رود كه مي توان آن را تكنيك خوشهبندي يا قطعه بندي ناميد. در اين مقاله يك طرح طبقه بندي و قطعه بندي اتوماتيك بر مبناي نقشه هاي خود سامانده SOM ارائه شده است SOM يك نوع از شبكه هاي عصبي غير نظارت شده است كه تابحال در موارد بسياري از آنها به منظور قطعه بندي داده هاي سنجش از دور و شناسايي آنومالي ها استفاده شده است. شكل بسط يافته اي از شاخص اعتبارسنجي،Davies-Bouldin جهت تعيين تعداد بهينه قطعه ها به صورت خودكار مورد استفاده قرار گرفته است. اين طرح با كتابخانه هاي طيفي كاني ها و مواد معدني كه در دانشگاه آريزوناASU و جان هاپكينز (JHU) تهيه شده و نمونه هايشان به شكل درختي با نامهاي كلاس، زير كلاس، و گروه برچسب گذاري شده بودند، آموزش داده شده و تست شد. اين برچسب ها براي سنجش ميزان خلوص طيفي قطعه هاي بدست آمده و دقت طبقه بندي بكار رفته اند جزئيات روش SOM روند تست ها، و سنجش كارآمدي روش پيشنهادي، به تفصيل توضيح داده شده است. نتايج آزمايشات و تست ها نشان مي دهد كه روش SOM مي تواند عنصر مهمي در سيستم هاي خودكار طراحي شده براي شناسايي و پي جويي كاني ها از داده هاي بازتابي سطح زمين در محدوده طيفي مادون قرمز باشد