اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.
وبینار طبقه بندی درختی (تلفیق نتایج الگوریتم های طبقه بندی)
نام محصول : تلفیق نتایج الگوریتم های طبقه بندی کننده تصاویر ماهواره ای با استفاده از الگوریتم طبقه بندی درختی مدرس : امیرحسین احراری (طراح و مدرس بیش از ۵۰ دوره و محصولات آموزشی در سنجش از دور و پردازش تصاویر ماهواره ای) مخاطبین : کسانی که در زمینه سنجش از دور و کاربری اراضی فعالیت میکنند. قیمت : ۲۰…
نام محصول : تلفیق نتایج الگوریتم های طبقه بندی کننده تصاویر ماهواره ای با استفاده از الگوریتم طبقه بندی درختی
مدرس : امیرحسین احراری (طراح و مدرس بیش از ۵۰ دوره و محصولات آموزشی در سنجش از دور و پردازش تصاویر ماهواره ای)
مخاطبین : کسانی که در زمینه سنجش از دور و کاربری اراضی فعالیت میکنند.
قیمت : ۲۰ هزار تومان
در این ویدیو آموزشی امیرحسین احراری به آموزش تلفیق داده ها در سطح تصمیم گیری با استفاده از الگوریتم طبقه بندی درختی پرداخته است.
آیا میدانید که همیشه استفاده از یک روش طبقه بندی نمیتواند نتیجه مناسب و کاربردی را به ارمغان آورد؟
آیا میدانید که هیچ یک الگوریتم های طبقه بندی کننده به عنوان بهترین راحل برای تولید نقشه نیستند؟
طبق بندی درختی به عنوان یک روش ارزشمند امکانی را فراهم می آورد تا بتوان نسبت به ترکیب نتایج طبقه بندی کننده های مختلف اقدام نمود.
طبقه بندی درختی به عنوان یک سیستم خبره نقش بسیار مهمی را در پردازش تصاویر ماهواره ای ایفا میکند.
در گذشته عموما عقیده متخصصین بر آن بود که الگوریتم بیشترین شباهت به عنوان بهترین گزینه برای تولید نقشه های موضوعی است و یه عنوان پر کاربرد ترین روش طبقه بندی استفاده میشد. اما امروزه طبقه بندی درختی نقش بسیار مهم تر و جدی تری را نسبت به الگوریتم مذکور ایفا میکند.
توصیه میشود که حتما آموزش های زیر را مشاهده نمایید . . .
این محصولات همگی حاوی نکات مهم و با ارزشی در زمینه طبقه بندی تصاویر ماهواره ای است که در نوع خود بی نظیر بوده و امکان یک تجربه جدید را برای شما فراهم می آورد.
- محصول آموزشی کد نویسی طبقه بندی تصاویر ماهواره ای (مخصوص تصاویر ماهواره لندست ۸)
- محصول آموزشی کالیبراسیون الگوریتم های طبقه بندی کلاسیک
- کاربری اراضی به سبک کلاس استاد بزرگ ENVI
- تولید نقشه های کاربری اراضی با استفاده از داده های سنتینل ۲
- مهم ترین نکات طبقه بندی تصاویر ماهواره ای
نام محصول : تلفیق نتایج الگوریتم های طبقه بندی کننده تصاویر ماهواره ای با استفاده از الگوریتم طبقه بندی درختی
مدرس : امیرحسین احراری (طراح و مدرس بیش از ۵۰ دوره و محصولات آموزشی در سنجش از دور و پردازش تصاویر ماهواره ای)
مخاطبین : کسانی که در زمینه سنجش از دور و کاربری اراضی فعالیت میکنند.
قیمت : ۲۰ هزار تومان
۵ دیدگاه. ارسال دیدگاه جدید
سلام استاد احراری گرامی. وقتتان بخیر.
عذر میخام اون محصولی که راجب طبقه بندی ndvi بوسیله الگوریتم decision tree آموزش دادید ندیدم. ناچارا اینجا پیام گذاشتم.
، از آنجا که به کارایی طبقه بندی درختی اشاره کرده اید، طبقه بندی پوشش گیاهی شاخص ndvi با استفاده از طبقه بندی درختی، چه مزیتی نسبت به روش density slice داره؟ . چون نتیجه هردوتاشون یکی هست ظاهرا در آخر. هر دوتاشون بر اساس مقادیر ترشهلدگذاری کار میکنن.
در صورتیکه کار با density slice راحتتر و سریعتر هست. (گذشته از اینکه عوامل شیب و ارتفاع را در طبقه بندی درختی میتوان لحاظ نمود)
با سپاس
با سلام و احترام
برای طبقه بندی درختی میتوانید به این محصول مراجعه کنید
https://girs.ir/طبقه-بندی-پوشش-گیاهی-زراعی-و-طبیعی-با-اس/
در ارتباط با تفاوت طبقه بندی درختی و density slice باید عرض کنم که درسته از بابت طبقه بندی بر اساس حدآستانه مشابه هم هستند. اما فراموش نکنید طبقه بندی درختی قابلیت تعریف چند حداستانه بصورت همزمان را دارا است و امکان استفاده از عملگرهای منطقی در آن فراهم است و حتی قابلیت تحلیل داده های سری زمانی را نیز دارد. از سوی دیگر با density slice شما نمیتوانید نتایج روش های طبقه بندی را ترکیب کنید اما با استفاده از طبقه بندی درختی این امر امکان پذیر است.
موفق باشید
سپاس از لطفتان. این محصول را تهیه کردم زمانی که تولید نمودید.
جسارتا آیا تحلیل سری های زمانی و ترکیب نتایج روشهای طبقه بندی با استفاده از این طبقه بندی را در محصولی آموزش داده اید؟ به نظر جالب اومد.
در همین صفحه ای که کامنت گذاشتید آموزش وبینار طبقه بندی درختی هست که در اون نشون دادم با استفاده از این دستور چطور میتوان نسبت به ترکیب نتایج طبقه بندی ها با استفاده از این دستور اقدام کرد. در ارتباط با سری زمانی هم منظورم تعریف حدآستانه برای یک سری از تصاویر مانند NDVI در طول یکسال است. البته این محصول در قالب محصول شناسایی کشت آبی و باغی آموزش داده شده است که جزوی از محصولات پستی است.
موفق باشید
سپاس از لطفتان بابت توضیح کامل