انتخاب پارامترهاي تكنيك SVM توسط الگوريتم ژنتيك جهت طبقه بندي داده هاي LiDAR

طبقه بندی یك مرحله مهم در استخراج اطلاعات از تصاویر سنجش از دور است. SVM یك روش طبقه بندی نظارت شده است كه قادر به غلبه بر مشكلاتی نظیر كم بودن تعداد داده های آموزشی، توزیع غیر خطی كلاس-ها و بزرگ بودن ابعاد فضای ویژگی می باشد. یك محدودیت در بكارگیری SVM انتخاب مقدار مناسب برای پارامترهای ورودی آن است چراكه كارایی این روش به شدت تحت تاثیر مقادیر این پارامترها است. در این تحقیق از الگوریتم بهینه¬سازی ژنتیك جهت غلبه بر این محدویت استفاده می¬شود. الگوریتم ژنتیك بكار گرفته شده در این تحقیق از Individual هایی استفاده می¬كند كه به روش مقادیر حقیقی كدگذاری شده¬اند. از معیار Kappa به عنوان تابع برازندگی و همچنین از روش¬های Arithmetic و Non-uniform به¬ترتیب برای عملگرهای تركیب و جهش استفاده می¬شود. الگوریتم ارائه شده بروی یك مجموعه داده لیدار مربوط به منطقه ای در غرب آلمان پیاده سازی شد و نتایج آن با روش سنتی جستوجوی شبكه¬ای مقایسه گردید. نتایج این ارزیابی حاكی از مقدار 96.22 درصد دقت كلی و كاپای 0.951 می¬باشد كه در مقایسه با روش جستجوی شبكه¬ای نتایج بهتری را ارئه داده است