دانلود مقاله ISI انگلیسی شماره 93021
ترجمه فارسی عنوان مقاله

طبقه بندی تصویر سنجش از راه دور بر اساس ماشین بردار پشتیبان بهینه و الگوریتم بهینه سازی دودویی اصلاح شده باینری اصلاح شده است

عنوان انگلیسی
Remote sensing image classification based on the optimal support vector machine and modified binary coded ant colony optimization algorithm
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
93021 2017 23 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 10526 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 17 روز بعد از پرداخت 189,468 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 9 روز بعد از پرداخت 378,936 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Information Sciences, Volume 402, September 2017, Pages 50-68

پیش نمایش مقاله
پیش نمایش مقاله طبقه بندی تصویر سنجش از راه دور بر اساس ماشین بردار پشتیبان بهینه و الگوریتم بهینه سازی دودویی اصلاح شده باینری اصلاح شده است

چکیده انگلیسی

Support vector machine (SVM) is one of the most successful classifiers for remote sensing image classification. However, the performance of SVM is mainly dependent on its parameters; in addition, for remote sensing images with high-dimensional features, feature redundancy will have a major influence on the classification efficiency and accuracy. Feature selection and parameter optimization are two important factors for improving the performance of SVM and are traditionally solved separately. In fact, these two issues are affected by each other, so to obtain the better classification performance, selection of the optimal feature subset and tuning of SVM parameters should be considered simultaneously, as they both belong to the combinatorial optimization problem and could be handled with evolutionary algorithms or swarm intelligence algorithms. In this paper, a remote sensing image classification technique based on the optimal SVM is proposed, in which the parameters of SVM and feature selection are handled integrally by a modified coded ant colony optimization algorithm combined with genetic algorithm. The results are compared with other evolutionary algorithms and swarm intelligence algorithms, such as genetic algorithm (GA), binary-coded particle swarm optimization (BPSO) algorithm, binary-coded ant colony optimization (BACO) algorithm, binary-coded differential evolution (BDE) algorithm, and binary-coded cuckoo search (BCS) algorithm. It is demonstrated that the proposed method is robust, adaptive and exhibits the better performance than the other methods involved in the paper in terms of fitness values, so could be suitable for some practical applications.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 10526 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 17 روز بعد از پرداخت 189,468 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 9 روز بعد از پرداخت 378,936 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.