Détail de l'auteur
Auteur S. Khorram |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externesDevelopment of a modified neural network-based land cover classification system using automated data selector and multiresolution remotely sensed data / S. Khorram in Geocarto international, vol 26 n° 6 (October 2011)
Titre : Development of a modified neural network-based land cover classification system using automated data selector and multiresolution remotely sensed data Type de document : Article/Communication Auteurs : S. Khorram, Auteur ; H. Yuan, Auteur ; F. Van Der Wiele, Auteur Année de publication : 2011 Article en page(s) : pp 435 - 457 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes descripteurs IGN] analyse multirésolution
[Termes descripteurs IGN] carte de Kohonen
[Termes descripteurs IGN] classification par réseau neuronal
[Termes descripteurs IGN] données multicapteurs
[Termes descripteurs IGN] fusion d'images
[Termes descripteurs IGN] image Landsat-TM
[Termes descripteurs IGN] image SPOT
[Termes descripteurs IGN] occupation du sol
[Termes descripteurs IGN] Perceptron multicouche
[Termes descripteurs IGN] précision de la classificationRésumé : (Auteur) Integrating multiple images with artificial neural networks (ANN) improves classification accuracy. ANN performance is sensitive to training datasets. Complexity and errors compound when merging multiple data, pointing to needs for new techniques. Kohonen's self-organizing mapping (KSOM) neural network was adapted as an automated data selector (ADS) to replace manual training data processes. The multilayer perceptron (MLP) network was then trained using automatically extracted datasets and used for classification. Two hypotheses were tested: ADS adapted from the KSOM network provides adequate and reliable training datasets, improving MLP classification performance; and fusion of Landsat Thematic Mapper (TM) and SPOT images using the modified ANN approach increases accuracy. ADS adapted from the KSOM network improved training data quality and increased classification accuracy and efficiency. Fusion of compatible multiple data can improve performance if appropriate training datasets are collected. This proved to be a viable classification scheme particularly where acquiring sufficient and reliable training datasets is difficult. Numéro de notice : A2011-402 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2011.600462 date de publication en ligne : 10/08/2011 En ligne : https://doi.org/10.1080/10106049.2011.600462 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=31181
in Geocarto international > vol 26 n° 6 (October 2011) . - pp 435 - 457[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 059-2011061 RAB Revue Centre de documentation En réserve 3L Disponible
