طبقه بندي داده هاي فراطيفي براساس سيستم هاي ماشين هاي بردار پشتيبان چندگانه با استفاده از گروه بندي باندهاي طيفي

با پيشرفت هاي كنوني در سنجش از دور و علوم مرتبط با آن، داده سنجش از دور فراطيفي با فراهم آوردن حجم بالاي اطلاعات طيفي براي تشخيص بهتر كلاس هاي زميني مورد استفاده فراوان قرار مي گيرد، اگرچه تعداد زياد باندهاي طيفي در مقابل تعداد كم نمونه هاي آموزشي در دسترس، مشكل «پدبده هيوز» را در اين داده ايجاد مي كند. به علاوه تعداد زياد باندهاي طيفي كه اغلب به يكديگر وابسته مي باشند، شامل اطلاعات زايد فراواني هستند. اين سطح بالا از پيچيدگي در داده هاي فراطيفي، باعث عدم كارايي روش هاي طبقه بندي كلاسيك در طبقه بندي اين نوع داده مي شود. با توجه به محدوديت هاي طبقه بندي كننده هاي انفرادي در اين شرايط، سيستم هاي حاوي مجموعه طبقه بندي كننده ها ممكن است كارايي بهتري نسبت به طبقه بندي كننده هاي انفرادي داشته باشند. تحقيق پيش رو يك روش نوين براي طبقه بندي داده هاي فراطيفي با بكارگيري يك سيستم چندگانه ماشين هاي بردار پشتيبان كه شامل گروه بندي باندهاي طيفي است، معرفي مي كند. روش پيشنهادي در اولين گام براي گروه بندي باندهاي طيفي از روشي براساس اطلاعات دوطرفه يا متقابل استفاده مي كند. روش پيشنهادي در دومين گام، از ماشين بردار پشتيبان به منظور طبقه بندي هر گروه از باندهاي طيفي استفاده مي كند تا مجموعه اي از طبقه بندي كننده ها حاصل شود. سرانجام روش پيشنهادي يك الگوريتم ادغام طبقه بندي كننده ها براساس تئوري بيز با نام (Naïve Bayes (NB را بكار مي برد. نتايج حاصل از روش پيشنهادي براي دو نمونه از داده هاي فراطيفي نشان مي دهد كه روش پيشنهادي در مقايسه با SVM استاندارد-طبقه بندي كننده ايي كه همه باندها را در يك زمان طبقه بندي مي كند- نتايج بهتري را ايجاد مي كند. اين نتايج همچنين كارايي مفهوم گروه بندي باندها و سيستم هاي طبقه بندي كننده چندگانه را در مقايسه با روش هاي معمول پيشين نشان مي دهد.