روشی نوین بمنظور طبقه بندی داده های چند بازگشتی لایدار با استفاده از اطلاعات هندسی مجاورتی و فضای پدیده

چکیده مقاله

داده‌های اخذ شده توسط سیستم‌های لیزر اسکنر هوایی به دلیل برخورداری از مزایایی نظیر دقت هندسی نسبتاً بالا و تراکم مکانی بالای نقاط، اطلاعات هندسی متنوع و منحصر به فردی از سطوح فیزیکی عوارض فراهم می‌آورند. طبقه‌بندی و تفکیک داده‌های ابر نقطه به عوارض سازنده‌ی ‌محیط، نقش مهمی در روند مدلسازی سه‌بعدی عوارض ایفا می‌کند. در مقاله پیش رو، مسأله‌ی تفکیک ابرنقاط بعنوان یک فرایند طبقه‌بندی نظارت‌شده مدنظر قرار گرفته شده است؛ روند اجرایی در روش پیشنهادی مبتنی بر سه گام بوده که در گام نخست، برای هر نقطه‌از ابرنقاط مجموعه‌ای از ویژگی‌ها مبتنی بر تحلیل‌های مجاورتی تولید می‌گردد. در گام دوم، ویژگی‌های بهینه به کمک داد‌ه‌های آموزشی و فضای پدیده استخراج شده و در نهایت، طی یک الگوریتم خوشه‌بندی، با استفاده از ویژگی‌های استخراج شده، داده‌های ابر نقطه به کلاس‌های مد نظر طبقه‌بندی می‌گردند. از این روش بمنظور طبقه‌بندی ابر نقاط چندبازگشتی لایدار مربوط به یک منطقه‌ی شهری استفاده شد که نتایج طبقه‌بندی، دقت کلی معادل 93/15 درصد و ضریب کاپای 89/0 را نشان دادند.