محصولات دانلودی

آموزش طبقه بندی Random Forest

نوشته شده توسط Amirhossein.Ahrari@Gmail.com
  • آموزش طبقه بندی پرکاربرد Random Forest منتشر شد. 
  • یکی از برترین و قدرتمند ترین روش های طبقه بندی مبتنی بر یادگیری ماشین. 
  • یکی از تخصصی ترین روش های طبقه بندی برای زمین های زراعی 
  • آموزش مبتنی بر نرم افزار متن باز و کاربردی و قابلیت بکاربردن در نرم افزارهای متن باز. 
  • روش طبقه بندی بهینه برای مناطق ناهمگون که از پیچیدگی های زیادی برخوردارند. 

مشخصات محصول آموزشی : 

  • قیمت : ۲۹۹۰۰ تومان 
  • مدرس : امیرحسین احراری (کارشناس سنجش از دور و پردازش تصاویر ماهواراه ای)
  • نرم افزار : SAGA-GIS
  • موضوع : طبقه بندی و کاربری اراضی
  • داده های تمرینی : ندارد
  • نرم افزار : از این لینک بصورت رایگان دریافت کنید. 

Random Forest Classification

 

 


عناوین آموزشی :

  • روش فراخوانی داده های لندست ۸ در نرم افزار SAGA
  • روش تصحیح رادیومتریکی داده های لندست ۸ در نرم افزار SAGA
  • روش تصحیح اتمسفری داده های لندست ۸ در نرم افزار SAGA
  • روش محاسبه شاخص طیفی EVI در نرم افزار SAGA
  • روش برش تصاویر ماهواره ای در نرم افزار SAGA
  • روش  برداشت نمونه های طبقه بندی در نرم افزار SAGA
  • روش اجرای طبقه بندی Random Forest در نرم افزار SAGA
  • روش استفاده از نتایج طبقه بندی Random Forest در نرم افزارهایی مانند ENVI

مزیت این آموزش چیست؟

  • آشنایی با یک نرم افزار متن باز متفاوت 
  • آشنایی با روش پردازش تصاویر ماهواره ای در یک نرم افزار متفاوت
  • قابلیت استفاده از نرم افزار SAGA در مقالات  معتبر بین المللی
  • آشنایی با یکی از بهترین روش های طبقه بندی تصاویر ماهواره ای در زمینه کاربری اراضی و کشاورزی

مشخصات محصول آموزشی : 

  • قیمت : ۲۹۹۰۰ تومان 
  • مدرس : امیرحسین احراری (کارشناس سنجش از دور و پردازش تصاویر ماهواراه ای)
  • نرم افزار : SAGA-GIS
  • موضوع : طبقه بندی و کاربری اراضی
  • داده های تمرینی : ندارد
  • نرم افزار : از این لینک بصورت رایگان دریافت کنید. 

۶ دیدگاه

  • با سلام.
    اقای مهندس این روش طبقه بندی خاص مناطق مزروعی است؟
    این روش چه فرقی با روش طبقه بندی پیکسل مبنا دارد؟ ایا در بخش معدنی کاربرد دارد؟
    با تشکر از توضیحات شما

    • با سلام و احترام

      روش طبقه بندی random forest یکی از روش های طبقه بندی پیکسل مبنای مبتنی بر machine learning هست. این روش بیشتر در زمینه کاربری اراضی و همچنین کشاورزی معروف شده. از لحاظ تکنیکی شما میتوانید از این روش در کانی شناسی هم استفاده کنید اما اینکه اثر مناسب در نقشه های کانی شناسی دارد یا خیر بنده اطلاعی ندارم. به نظرم بهتر هست در مقالات این موضوع رو جستجو بفرمایید.

      با احترام

  • با سلام و خسته نباشید خدمت شما عزیزان،
    لطفاً اگر در کنار آموزشها پی دی آف آنها هم منتشر میگردید خیلی عالی بود.تشکر

  • با سلام
    با تشکر از آموزش مفید و کاربردی فوق یک سوال داشتم در صورت امکان پاسخ بفرمایید
    آیا امکان طبقه بندی بافت خاک با استفاده از روش Random Forest با در نظر گرفتن این مطلب که داده های سنجش از دور مثلا باند های مختلف ماهواره لندست و شاخص های بدست آمده از انها به عنوان متغیر های کمکی مورد استفاده قرار گیرد در نرم افزار SAGA امکان پذیر است و چگونه ؟
    ممنون

    • با سلام و احترام خدمت شما متخصص محترم

      ممنون از نقطه نظر مثبت شما. بله امکان پذیر هست. در زمانی که در دستور random forest شما در بخش feature دارید باندهای اصلی ر وارد میکنید امکان تعریف شاخص ها و سایر داده ها نیز فراهم است. همه داده های اصلی و فرعی با استفاده از بخش Features در طبقه بندی random forest تعریف کنید.

      موفق باشید

دیدگاهتان را بنویسید