| LEADER |
04314nam a2200325 4500 |
| 001 |
1528934 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 608636
|a زيتون، إسراء شاكر حمزة
|g Zaitoun, Isra Shaker Hamzeh
|e مؤلف
|
| 245 |
|
|
|a Satellite Image Cloud Classification Using Artifical Neural Network and Fuzzy Logic
|
| 246 |
|
|
|a تصنيف صور الأقمار الصناعية باستخدام نظام الشبكة العصبونية و نظام منطق الغموض
|
| 260 |
|
|
|a عمان
|c 2016
|
| 300 |
|
|
|a 1 - 84
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c الجامعة الاردنية
|f كلية الدراسات العليا
|g الاردن
|o 14168
|
| 520 |
|
|
|a تعتبر الغيوم مهمة لكوكبنا؛ لأنها لها تأثير على توازن طاقة الأرض والمناخ وحالة الطقس اعتمادا على نوع الغيوم. تؤخذ معلومات الغيوم عن طريق الاستشعار عن بعد، ولكن هذه الصور تواجه تحديات، تحتاج إلى معالجة وشكل الغيوم يتغير تحت تأثير الجو. المشكلة الرئيسية هي الحصول على نظام أوتوماتيكي ودقيق، في هذا البحث نحاول بناء نظام دقيق يصنف الغيوم إلى ثلاث أنواع: مرتفعة ومتوسطة ومنخفضة. المنهجية التي استخدمت في بناء النظام هو البحث والحصول على صور غيوم الأقمار الصناعية عن طريق مواقع الإنترنت، تم تجميع 120 صورة، للأسف محطة الأرصاد الجوية في الأردن لا تمتلك صور غيوم الأقمار الصناعية. ثم قمنا بمعالجة الصور عن طريق تحويلها إلى نوع الرمادي وتطبيق تصفية الوسيط على الصورة وإعادة حجم الصورة إلى 100 × 100. تم استخلاص خصائص الصور عن طريق HOG، وكانت النتيجة 4356 خاصية، عند تطبيق نظام الشبكة العصبونية تم اختيار الصور وتقليلها إلى 89 خاصية، ولكن في نظام منطق الغيوم لم يتم اختيار الخصائص. تم تصنيف الغيوم عن طريق نظامين: الشبكة العصبونية ونظام منطق الغيوم. في الشبكة العصبونية تم استخدام Rprop BPNN و SCG BPNN مع معماريات مختلفة، Rprop BPNN أظهرت نتائج أفضل عن طريق المعمارية 1- 40- 65- 40- 89، 89 مدخلا و 40 عصبونة في الطبقة الأولى و 65 عصبونة في الطبقة الثانية و 40 عصبونة في الطبقة الثالثة وعدد المخرجات 1. معدل الدقة كان 94% بعد عشر مرات من النتائج ومعدل الوقت كان 3.74 ثانية. بينما في تصنيف منطق الغيوم، القوانين التي وضعت تعتمد على العلاقة بين نوع الغيوم ومتوسط خاصية HOG للغيوم. تم استخدام دالة شبه المنحرف لمتغير المدخلات ودالة المثلث لمتغير المخرجات، كانت نتيجة منطق الغموض 97% مع مدة زمنية 0.25 ثانية. أظهرت النتائج أن منطق الغموض كان أكثر دقة وأسرع من Rprop BPNN.
|
| 653 |
|
|
|a الأقمار الصناعية
|a الشبكة العصبونية
|a الاستشعار عن بعد
|
| 700 |
|
|
|9 608638
|a الشريدة، محمد عارف
|g Alshraideh, Mohammad Aref
|e مشرف
|
| 856 |
|
|
|u 9802-001-008-14168-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9802-001-008-14168-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9802-001-008-14168-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9802-001-008-14168-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9802-001-008-14168-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9802-001-008-14168-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9802-001-008-14168-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9802-001-008-14168-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9802-001-008-14168-5.pdf
|y 5 الفصل
|
| 856 |
|
|
|u 9802-001-008-14168-R.pdf
|y المصادر والمراجع
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 1134041
|d 1134041
|
