TY - JOUR JF - jsdp JO - JSDP VL - 18 IS - 1 PY - 2021 Y1 - 2021/5/01 TI - Classification of polarimetric radar images based on SVM and BGSA TT - طبقه‌بندی تصاویر پلاریمتری رادار مبتنی بر ماشین بردار پشتیبان و الگوریتم جستجوی گرانشی دودویی N2 - هدف از این پژوهش ارائه یک روش بهینه بهه‌­منظور طبقه­‌بندی تصاویر رادار پلاریمتری است. روش پیشنهادی تلفیقی از ماشین بردار پشتیبان و الگوریتم بهینه­‌سازی جستجوی گرانشی دودویی است. در این راستا، ابتدا مجموعه‌­ای از ویژگی­‌های پلاریمتریک شامل مقادیر داده اصلی، ویژگی­‌های تجزیه هدف و تفکیک‌کننده‌های SAR از تصاویر استخراج می­‌شوند؛ سپس به‌منظور انتخاب ویژگی­‌های مناسب و تعیین پارامترهای بهینه برای طبقه‌­بندی‌کننده ماشین بردار پشتیبان از الگوریتم جستجوی گرانشی دودویی استفاده شده است. به‌منظور دست‌یابی به یک سامانه طبقه‌­بندی با دقت طبقه­‌بندی بالا، انتخاب مقادیر بهینه پارامترهای مدل و زیرمجموعه‌­ای از ویژگی‌های بهینه، به‌طور هم‌زمان انجام می‌­پذیرد. نتایج پیاده­‌سازی الگوریتم پیشنهادی با دو حالت، در‌نظر‌گرفتن تمام ویژگی‌­های انتخاب‌شده، و الگوریتم ژنتیک، قیاس شده که نتایج حاصل از تفکیک نواحی برای سه ناحیه مورد بررسی قرار گرفته است. تفکیک نواحی برای مناطق سانفرانسیسکو و مانیل، و تشخیص لکه نفتی سطح اقیانوس منطقه فیلیپین مورد ارزیابی قرار گرفته که به‌ترتیب با بهبود دقت کلی تقریبی 12، 7 و 5/6 درصد در قیاس با الگوریتم ژنتیک بهبود داشته است. SP - 102 EP - 87 AU - rezaei, yaser AU - rezaee, alirezae AU - darakeh, fateme AU - azarakhsh, zeynab AD - Nterdisciplinary Technology and Mechatronics, Faculty of New Science and Technology, University of Tehran KW - Feature Selection KW - Image classification KW - support vector machine KW - optimization KW - binary gravitational search algorithm KW - polarimetric radar UR - http://jsdp.rcisp.ac.ir/article-1-895-fa.html DO - 10.52547/jsdp.18.1.102 ER -