Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo nghiên cứu khoa học: "ẢNH HƯỞNG CỦA DỮ LIỆU HUẤN LUYỆN TRONG CÁC THUẬT TOÁN PHÂN LOẠI ẢNH VIỄN THÁM"

Trong phân loại giám định, thuật toán phân loại gần đúng nhất MLC (Maximum Likelihood Classification) được xem là phương pháp chuẩn dựa trên cơ sở giả thuyết hàm mật độ xác suất tuân theo luật phân bố chuẩn. Hiện nay thuật toán này đang được áp dụng khá phổ biến trong phân ảnh vệ tinh. | TẠP CHÍ PHÁT TRIỂN KH CN TẬP 10 SÓ 05 - 2007 ẢNH HƯỞNG CỦA DỮ LIỆU HUẤN LUYỆN TRONG CÁC THUẬT TOÁN PHâN loại ảnh viễn thám Lê Văn Trung Trường Đại Học Bách Khoa ĐHQG-HCM Bài nhận ngày 16 tháng 11 năm 2006 hoàn chỉnh sửa chữa ngày 30 tháng 05 năm 2007 TÓM TẢT Trong phân loại giám định thuật toán phân loại gần đúng nhất MLC Maximum Likelihood Classification được xem là phương pháp chuẩn dựa trên cơ sở giả thuyết hàm mật độ xác suất tuân theo luật phân bố chuẩn. Hiện nay thuật toán này đang được áp dụng khá phổ biến trong phân ảnh vệ tinh. Tuy nhiên khi dữ liệu ảnh không tuân theo luật phân bố chuẩn kết quả phân loại của thuật toán sẽ tạo ra kết quả sai lệch đáng kể. Để khắc phục nhược điểm của MLC mạng thần kinh đa lớp LNN Layered Neural Network đã được áp dụng và đem lại kết quả đáng tin cậy. Mối quan hệ lý thuyết giữa LNN và MLC đã được làm sáng tỏ với kết luận là giá trị xuất của LNN khi đã được huấn luyện với bộ dữ liệu mẫu đầy đủ được xem như là giá trị ước tính của xác suất sau trong phân loại MLC. Nội dung bài báo nhằm khảo sát ảnh hưởng của bộ dữ liệu mẫu đến kết quả phân loại của 2 thuật toán và giới thiệu kết quả thực nghiệm đạt đựơc đồng thời cho thấy ưu thế của LNN so với thuật toán phân loại MLC khi sử dụng trên cùng bộ dữ liệu huấn luyện. 1. GIỚI THIỆU Phương pháp phân loại gần đúng nhất MLC Maximum Likelihood Classification dựa trên cơ sở giả thuyết hàm mật độ xác suất tuân theo luật phân bố chuẩn đã được áp dụng khá phổ biến trong phân loại ảnh viễn thám và được xem như là thuật toán chuẩn để so sánh với các thuật toán khác. Bằng thuật toán MLC chúng ta có thể nhận một kết quả phân loại sai lệch nếu như dữ liệu ảnh vệ tinh được tiến hành phân loại không tuân theo luật phân bố chuẩn. Để khắc phục nhược điểm của MLC mạng thần kinh đa lớp LNN Layered Neural Networks đã được áp dụng và đem lại kết quả rất đáng tin cậy. Mối quan hệ lý thuyết giữa LNN và MLC đã được làm sáng tỏ bởi Wan 1990 và Ruck et al. 1990 với kết luận là giá trị xuất của LNN khi đã .