بهینه سازی نتایج الگوریتم ML-Based GMDH به منظور افزایش دقت تشخیص ریزگرد‌ها و عمق دید افقی از طریق الگوریتم TLBO

مهدی امیری؛ فرزاد امیری؛ محمد حسین پوراسد؛ سیف اله سلیمانی

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 02 آذر 1401

https://doi.org/10.52547/gisj.2022.225909.1083

چکیده
  کیفیت هوای پاک به عنوان یکی از ضروری‏ترین نیازهای موجودات زنده، در اثر فعالیت‏های طبیعی و مصنوعی به ‌مخاطره افتاده است. در سال‌های اخیر، طوفان‌های گرد و غبار از حیث مکانی و زمانی همواره در حال افزیش بوده و سبب آسیب‌های بی‌شمار در حوزه سلامت اجتماعی، اقتصادی و زیست محیطی و غیره برای ساکنان مناطق جنوب و جنوب‏غربی ایران شده است. ...  بیشتر

تشخیص سازه‌های ساخت بشر در تصاویر هوایی با استفاده از ویژگی‌های آماری مبتنی بر رنگ و یادگیری ماشین

ناصر فرج‌زاده؛ مهدی هاشم زاده

دوره 11، شماره 3 ، آبان 1398، ، صفحه 21-42

https://doi.org/10.52547/gisj.11.3.21

چکیده
  تصاویر هوایی ثبت‌شده توسط ماهواره‌ها و یا پهپاد‌ها، معمولا شامل نواحی مربوط به منابع طبیعی و نواحی حاوی سازه‌های ساخت بشر است. با تفکیک این نواحی از یکدیگر، قادر خواهیم بود اطلاعات مهمی نظیر آرایش ساختاری سطوح و شکل آنها را استخراج و نقشه‌های هواییِ برچسب‌دار ایجاد کنیم. دست‌یابی به چنین اطلاعاتی می‌تواند کاربرد‌های بسیار مفیدی ...  بیشتر

شناسایی اهداف در تصاویر سنجش‌ازدوری با قدرت تفکیک بالا با استفاده از روش‌های یادگیری عمیق

نیما فرهادی؛ عباس کیانی؛ حمید عبادی

دوره 11، شماره 1 ، اردیبهشت 1398، ، صفحه 48-64

https://doi.org/10.52547/gisj.11.1.48

چکیده
  شناسایی عوارض موجود در تصاویر، یکی از مسائل اساسی در حوضه‌ تفسیر تصاویر به‌ویژه در تصاویر سنجش‌از‌دوری، به شمار می‌آید. یکی از روش‌های کارآمد و به‌روز در این زمینه، به‌کارگیری شیوه‌های یادگیری عمیق، جهت استخراج و تفسیر است. یک عارضه، مجموعه‌ای از الگوهای منحصربه‌فرد است که با عوارض مجاور خود متفاوت است، این تفاوت معمولاً در ...  بیشتر

استخراج ساختمان به کمک ادغام داده‌های ابرطیفی و لیدار به روش یادگیری ماشین

سیدیوسف سجادی؛ سعید پارسیان

دوره 10، شماره 2 ، آذر 1397، ، صفحه 1-14

چکیده
   در این مقاله، پژوهشی نوین از تلفیق داده‌های ابرطیفی و لیدار را برای تشخیص و استخراج عوارض ساختمانی، با استفاده از الگوریتم یادگیری ماشین، بررسی کردیم. مجموعه داده‌هایی که بنیاد ملی علوم (NSF) در اختیار گذاشته (این بنیاد را مرکز ارزیابی لیزر هوایی(NCALM)  تأسیس کرده است) و پیش‌تر، دانشگاه هیوستن در منطقة مجاور شهری به‌کار گرفته است مورد ...  بیشتر

طبقه‌بندی ابرنقاط لیدار به‌کمک میدان تصادفی مارکوف و تکنیک‌های یادگیری ماشین

فرزانه عقیقی؛ امید مهدی عبادتی؛ حسین عقیقی

دوره 9، شماره 2 ، اسفند 1396، ، صفحه 41-60

چکیده
  امروزه در زمینة مدیریت شهری، رباتیک، تولید بازی‌های رایانه‌ای و مانند آن، از ابرنقاط لیدار در استخراج عوارض شهری و سه‌بعدی‌سازی استفادة گسترده‌ای می‌شود. خوشه‌بندی و طبقه‌بندی نقاط ابری لیدار یکی از گام‌های اصلی برای رسیدن به مدلی سه‌بعدی به‌شمار می‌رود؛ بنابراین، یکی از اهداف این تحقیق را می‌توان ارزیابی کارآیی روش‌های ...  بیشتر