Destek vektör makineleri ile uydu görüntülerinin sınıflandırılmasında kernel fonksiyonlarının etkilerinin incelenmesi

Abstract

Uzaktan algılanmış görüntüler ve bu görüntülerin sınıflandırılmasıyla üretilen tematik haritalar, dünya yüzeyindeki objelerin yapısı ve özellikleri hakkında çok önemli bilgiler sunarlar. Tematik haritaların elde edilmesinde kullanılan sınıflandırıcıların etkinliği özellikle zor ve karmaşık sınıflandırma problemleri için büyük önem taşımaktadır. Destek vektör makineleri (DVM) son yıllarda ortaya atılmış ve birçok alanda başarıyla uygulanmış bir makine öğrenme algoritmasıdır. Uzaktan algılama alanındaki uygulamaları ise güncel sayılabilecek niteliktedir. DVM’lerin diğer sınıflandırıcılardan özellikle istatistiksel tabanlı sınıflandırıcılardan daha güçlü ve etkili olduğu ispatlanmıştır. Bu çalışmada, DVM’lerin sınıflandırma performansının kernel fonksiyonu ve parametre değerlerine bağlı değişimi detaylı şekilde analiz edilmiştir. Analizler sırasında literatürde en yaygın kullanılan dört kernel fonksiyonun sınıflandırma doğruluğu üzerindeki etkileri incelenmiştir. Kullanılan veri seti için radyal tabanlı fonksiyon ve Pearson VII fonksiyon kernellerinin en yüksek performansı (>%94 genel doğruluk) gösterdikleri belirlenmiştir. Normalleştirilmiş polinom kerneli ise en düşük sınıflandırma doğruluğunu (%91,78) üreten DVM modeli olmuştur. Diğer taraftan, en çok benzerlik yöntemiyle performans karşılaştırması yapıldığında, tüm DVM modellerinin daha yüksek doğruluklu sonuçlar ürettiği saptanmıştır.