چکيده: طي سالهای گذشته، کاربردهاي زيادي از روشهای طبقهبندي شبکه عصبي مصنوعي براي طبقهبندي کاربري اراضي گزارششده است، اما مطالعات معدودي، مقايسه آنها باهم را ارزيابي نمودهاند. در اين مطالعه، ابتدا تصحيحات هندسي بر روی دادههای+ETM صورت گرفت. سپس با بازديدهاي ميداني، طبقات مختلف کاربري اراضي تعريف و نمونههاي آموزشي انتخاب گرديد. هدف اصلي این مطالعه مقايسه چهار روش شبکه عصبي مصنوعي آرتمپ فازي، تابع پايه شعاعي، کوهونن و پرسپترون چندلایه براي طبقهبندي پوشش سطح زمين در منطقه دشت چالاب شهرستان مهران استان ایلام است. نتايج حاصل از ارزيابي دقت تصاوير طبقهبندیشده نشان داد که روش طبقهبندي آرتمپ فازي با دقت کل 52/ 98 و ضريب کاپاي متوسط 14/98 درصد داراي بيشترين دقت نسبت به ساير روشهای بررسیشده است. اختلاف دقت کل در اين روش نسبت به روش تابع پرسپترون 84/38 و اختلاف ضريب کاپا متوسط 48/39 درصد، نسبت به روش کوهونن به ترتيب 12/16 و 19/19 درصد و نسبت به روش پايه شعاعي 75/17 و 76/16 درصد است. در اين تحقيق، بالاترين دقت طبقهبندي مربوط به طبقهبندي شبکه عصبي مصنوعي آرتمپ فازي بود.
میلاد اسماعیلی
عبدالعلی منصف ، نفیسه هاشمیان
ارشام رفیعی