Harita Dergisi - Harita Genel Komutanlığı

More documents

Recommendations

Info

Harita Dergisi Temmuz 2010 Sayı 144T.Kavzaoğlu vd.Tablo 4. Kernel fonksiyonuna bağlı olarak DVM sınıflandırma sonuçlarıSınıf 1 2 3 4 5 6 Sınıf 1 2 3 4 5 61 999 0 1 0 0 0 1 999 0 0 0 1 02 1 978 21 0 0 0 2 0 975 25 0 0 03 0 10 963 25 2 0 3 0 14 948 28 9 14 0 0 17 960 16 7 4 0 0 23 936 38 35 3 0 20 52 711 214 5 0 0 14 59 730 1976 0 0 3 4 56 937 6 0 0 0 3 78 919Genel Doğruluk : %92,47 Kappa : 0,91 Genel Doğruluk : %91,78 Kappa : 0,90(a) Polinom kerneli.(b) Normalleştirilmiş polinom kerneli.Sınıf 1 2 3 4 5 6 Sınıf 1 2 3 4 5 61 1000 0 0 0 0 0 1 1000 0 0 0 0 02 0 983 17 0 0 0 2 0 989 10 1 0 03 0 5 973 20 2 0 3 0 8 971 17 4 04 0 0 4 975 15 6 4 0 0 4 979 14 35 0 0 5 49 809 137 5 0 0 6 44 830 1206 0 0 1 3 73 923 6 0 0 0 5 74 921Genel Doğruluk : %94,38 Kappa : 0,93 Genel Doğruluk :%94,83 Kappa : 0,94(c) Radyal tabanlı fonksiyon kerneli.(d) Pearson VII (PUK) kerneli.Dolayısıyla söz konusu edilen durum, veri vearazi özellikleri gözetildiğinde normal olarakkarşılanmalıdır. Çalışma alanına ait görüntü tümsınıflandırma yöntemleriyle sınıflandırılaraktematik haritalar üretilmiştir. Bu haritalara örnekolarak en yüksek doğruluğu veren PUK kernelliDVM sınıflandırması sonucu Şekil 5’desunulmuştur. Tematik haritadan da görüleceğiüzere Kocaeli ilinde yapılaşma genellikle denizkenarı ve ana yol arterleri çevresinde oluşmuştur.E-5 karayolu boyunca olan yapılaşmanınzamanla TEM otoyolu çevresine doğru kaydığıgözlemlenmiştir. Geniş yapraklı ormanlıkalanların ağırlıklı olarak şehrin güney kısmındave iğne yapraklı çam türü ormanların ise dahaçok şehrin kuzey kısımlarında (özellikleKaradeniz kıyısında) olduğu görülmüştür.5. SONUÇkabiliyetiyle birlikte kullanılacak sınıflandırmayönteminin gücü sonuçlar üzerinde oldukçabüyük etkiye sahiptir.Literatürde birçok yöntem bulunmasınakarşın, araştırmacıların yeni yöntem veyaklaşımlar arayışı devam etmektedir. Birçokaraştırmacı tarafından temel metot olarak kabuledilen en çok benzerlik (EÇB) yöntemi, örnekverilerin normal dağılımda olduğu kabulünüyapması nedeniyle standart bir metot olarakgörülmemektedir.Bu arayışlar neticesinde son dönemde yapaysinir ağları, karar ağaçları, bulanık mantık gibimetotlar öne sürülmüştür. Destek vektörmakineleri (DVM) de başarılı bir sınıflandırmametodu olarak son dönemde öne sürülen birmakine öğrenme algoritmasıdır.Uydu görüntülerinin sınıflandırılmasıyla eldeedilen tematik haritaların doğruluğu birçokbilimsel araştırma için son derece önemlidir. Bunedenle, kullanılacak veri setinin kalitesi ve temsil80
Harita Dergisi Temmuz 2010 Sayı 144Destek Vektör Makineleri İle Uydu GörüntülerininSınıflandırılmasında Kernel Fonksiyonlarının Etkilerinin İncelenmesiŞekil 5. Pearson VII (PUK) kernel fonksiyonlu destek vektör makineleri kullanılarak üretilen çalışmaalanının tematik haritası.Bu çalışmada DVM’lerin kullanımında kritiköneme sahip kernel fonksiyonlarınınsınıflandırma sonuçlarına yani performansınaolan etkileri detaylı şekilde analiz edilmiştir. Buanaliz sırasında dört farklı kernel fonksiyonuoptimum parametre seçimi yapılarak çalışmasahası olarak belirlenen Kocaeli iline ait LandsatETM+ görüntüsünün sınıflandırılmasındakullanılmıştır. DVM’lerin performansı EÇBmetodu sonuçlarıyla karşılaştırıldığında dahaetkin ve başarılı bulunmuştur. Genel doğrulukaçısından performans farkı %3,5’a kadardeğişkenlik göstermektedir. Çalışma sahasıdüşünüldüğünde %3,5 genel doğruluk farkıyaklaşık 131.000 pikselin daha doğrusınıflandırıldığı anlamına gelmektedir. Bu dayaklaşık olarak 117 km²’lik bir alanı ifadeetmektedir. Sınıflandırma doğruluğundaki artışınalansal karşılığı, metotların performanslarınınsonuçlar üzerindeki etkisini net bir şekilde ortayakoymaktadır.Burada kullanılan kernel fonksiyonlarıdeğerlendirildiğinde DVM ile en yüksekdoğruluğun PUK kerneli kullanılması sonucundaüretildiği görülmüştür. Radyal tabanlı fonksiyonkerneli de PUK kerneline yakın sonuçlarüretmiştir. İki kernel benzer sonuçlar üretmesinekarşın PUK kerneli için daha fazla parametrenin(C, σ , ω ) belirlenmesi ihtiyacı söz konusudur.Ayrıca PUK kerneli kullanılan DVM’lerin dahauzun bir işlem süreci gerektirdiği görülmüştür.Kullanılan kernel fonksiyonları içinde en düşükdoğruluğu (%91,78) normalleştirilmiş polinomkernelinin verdiği belirlenmiştir. Her iki polinomtabanlı kernelin uygulanmasında polinomderecesinin artırılmasında bir noktadan sonrasınıflandırma performansı ciddi anlamda azaldığıgözlemlenmiştir. Bu duruma DVM modelinin aşırıkompleks hale gelmesinin neden olduğudüşünülmektedir. Sonuç olarak; yapılan buçalışma, DVM sınıflandırıcısının optimum kernelfonksiyonları ve parametre değerlerinin seçimiyleuydu görüntülerinin sınıflandırılmasında etkin biryöntem olduğunu göstermektedir.81
Page 1 and 2:
İ Ç İ N D E K İ L E RHARİTA DE
Page 4 and 5:
Harita Dergisi Temmuz 2010 Sayı 14
Page 6 and 7:
Page 8 and 9:
Page 10 and 11:
Page 12 and 13:
Page 14 and 15:
Page 16 and 17:
Page 18 and 19:
Page 20 and 21:
Page 22 and 23:
Page 24 and 25:
Page 26 and 27:
Page 28 and 29:
Page 30 and 31:
Page 32 and 33:
Page 34 and 35: Harita Dergisi Temmuz 2010 Sayı 14
Page 90: SATIŞ BÜROSUNDAN SATIŞI YAPILAN
show all

Harita Dergisi - Harita Genel Komutanlığı

Create successful ePaper yourself

Delete template?

Save as template?