[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 8، شماره 3 - ( 11-1397 ) ::
دوره 8 شماره 3 صفحات 59-68 برگشت به فهرست نسخه ها
ارائه روشی مبتنی بر یادگیری گروهی برای بهبود نتایج حاصل از فاکتورگیری ماتریس نامنفی (NMF)
سعید قلی نژاد ، روزبه شاد، هادی صدوقی یزدی، مرجان قائمی
چکیده:   (192 مشاهده)
به­تازگی روش‌های تجزیه­ی طیفی تصاویر فراطیفی، به‌عنوان ابزاری قدرتمند در شناسایی عوارض موجود در پیکسل‌های مختلط، به‌طور گسترده‌ای مورد اقبال پژوهشگران قرار گرفته‌اند. از میان الگوریتم‌های ارائه‌شده برای تجزیه­ی طیفی تصاویر فراطیفی، فاکتورگیری ماتریس نامنفی (NMF) به علت اعمال قید نامنفی بودن بر فراوانی‌های حاصل از تجزیه­ی طیفی و همچنین استخراج هم‌زمان طیف و فراوانی اعضای خالص، بیش از سایر روش‌ها مورد توجه قرار گرفته است. علیرغم این توانایی‌ها، NMF به علت داشتن تابع هدف نامحدب دارای جواب‌های محلی فراوانی است که در مطالعات مختلف با افزودن قیدهایی به تابع هزینه­ی آن، تلاش‌هایی برای دست­یابی به نتایج بهینه­ی­ سراسری صورت پذیرفته است. با این‌حال، روشهای بر مبنای NMF همچنان دارای جواب­های محلی هستند. در پژوهش حاضر با استفاده از یک روش تکراری و با تکیه بر تئوری یادگیری گروهی و ترکیب وزن‌دار نتایج به‌دست‌آمده از تکرارهای مختلف الگوریتم تجزیه­ی طیفی L1/2-NMF، فرآیند استخراج طیف‌ها و فراوانی‌های حاصل از این الگوریتم بهبود یافته است. روش پیشنهادی روشی غیرپارامتریک و از نظر ریاضی روشن است که می­توان فرآیند پیشنهادی در آن را به الگوریتم­های پیشرفته­تری از تجزیه­ی طیفی تعمیم داد. روش پیشنهادی بر روی داده‌های مختلف مصنوعی و واقعی اجرا گردیده است. نتایج حاصل از آزمایش‌های موجود در این پژوهش، بر روی هر دو دسته از داده‌های فراطیفی، حاکی از کارایی این روش نسبت به روش‌های مشهور در شناسایی عوارض موجود در پیکسل‌های مختلط است.
واژه‌های کلیدی: تجزیه‌ی طیفی، تصاویر فراطیفی، فاکتورگیری ماتریس نامنفی (NMF)، یادگیری گروهی
متن کامل [PDF 887 kb]   (21 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری و سنجش از دور
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA code


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Gholinejad S, Shad R, Sadoghi Yazdi H, Ghaemi M. An Ensemble Learning Based Method for the Improvement of Nonnegative Matrix Factorization (NMF). JGST. 2019; 8 (3) :59-68
URL: http://jgst.issge.ir/article-1-619-fa.html

قلی نژاد سعید، شاد روزبه، صدوقی یزدی هادی، قائمی مرجان. ارائه روشی مبتنی بر یادگیری گروهی برای بهبود نتایج حاصل از فاکتورگیری ماتریس نامنفی (NMF). نشریه علمی پژوهشی علوم و فنون نقشه برداری. 1397; 8 (3) :59-68

URL: http://jgst.issge.ir/article-1-619-fa.html



دوره 8، شماره 3 - ( 11-1397 ) برگشت به فهرست نسخه ها
نشریه علمی پژوهشی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology