استفاده از دادههای چند منبعی، بهویژه استفاده ترکیبی از تصاویر اپتیکی و راداری، روشی موفق در بهبود سطح تفسیرپذیری دادههای سنجشازدور است. در این راستا، تولید و انتخاب ویژگیهای مناسب از این دادهها، چالشی جدی در حوزه تحقیقات اخیر میباشد. در تحقیق حاضر، با هدف کاهش زمان دستیابی به ویژگیهای بهینه، روشی جدید جهت انتخاب ویژگی از تصاویر تلفیقی اپتیکی و راداری ارائهشده است. در روش پیشنهادی، با ترکیب روش حداقل افزونگی-حداکثر ارتباط و الگوریتم ژنتیک، ویژگیهای بهینه انتخاب میشوند. در این راستا، ابتدا ویژگیهای مختلفی از تصویر استخراجشده و از طریق دو روش الگوریتم ژنتیک و روش حداقل افزونگی-حداکثر ارتباط- ژنتیک ویژگیهای بهینه انتخاب میشوند. پس از آن تصویر توسط SVM طبقهبندی میشود. در نهایت نتایج نشان میدهد که دقت روش پیشنهادی با حصول دقت کلی 97.25، در حدود 3 درصد بیشتر از دقت روش SVM با استفاده از تمام ویژگیها است. همچنین دقت کلی روش پیشنهادی و روش ژنتیک نزدیک به یکدیگر میباشد. درحالیکه سرعت عملکرد روش پیشنهادی تقریباً 2.5 برابر سرعت عملکرد انتخاب ویژگی توسط روش ژنتیک است. بنابراین نتایج حاصل مؤید کارایی روش پیشنهادی است.
Teimouri M, Mokhtarzade M, Amerian Y. Feature Selection Based on Combination of Minimal Redundancy-Maximal Relevance and Genetic Algorithm for Alassification of Fused Optical and SAR Images. JGST 2018; 8 (2) :69-82 URL: http://jgst.issgeac.ir/article-1-691-fa.html
تیموری مریم، مختارزاده مهدی، عامریان یزدان. انتخاب ویژگی برمبنای ترکیب روش حداقل افزونگی-حداکثر ارتباط و الگوریتم ژنتیک جهت طبقه بندی تصویر تلفیقی اپتیکی و رادار با روزنه مجازی. علوم و فنون نقشه برداری. 1397; 8 (2) :69-82