Enhancement of Density Based Clustering of Applications with Noise Using Histogram for Satellite Spatial Data
| العنوان بلغة أخرى: |
تعزيز التجميع القائم على الكثافة للتطبيقات مع الضوضاء باستخدام المدرج التكراري لبيانات الأقمار الصناعية المكانية |
|---|---|
| المؤلف الرئيسي: | الخوالدة، ايناس رزق (مؤلف) |
| مؤلفين آخرين: | الشنابلة، نجاح (مشرف) |
| التاريخ الميلادي: |
2021
|
| موقع: | المفرق |
| الصفحات: | 1 - 107 |
| رقم MD: | 1171626 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة آل البيت |
| الكلية: | كلية الأمير الحسين بن عبد الله لتكنولوجيا المعلومات |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
1
| المستخلص: |
تعد معالجة الصور إحدى التقنيات الواعدة التي يتم استخدامها لإجراء عمليات مختلفة على الصور بحيث يتم الحصول على صورة محسنة أو يتم استخراج بعض المعلومات المفيدة من هذه الصور. "التجميع القائم على الكثافة للتطبيقات والضوضاء (DBSCAN)" هو أحد أكثر خوارزميات التجميع المعتمدة على الكثافة شيوعا؛ ومع ذلك لا يمكنها التعامل مع صور الأقمار الصناعية بسبب أحجامها الكبيرة. اقترح (المموري وكامل، 2016) نسخة محسنة من DBSCAN يمكنها التعامل مع صور الأقمار الصناعية ولكنها تتطلب وقتا طويلا للغاية لإجراء التجميع. تم اقتراح تحسين على خوارزمية EDBSCAN باستخدام المدرج التكراري في هذه الأطروحة (EDBSCAN-H) للتغلب على عيب عدم معالجة التباين الهائل في مجموعات البيانات الكبيرة وعيوب وقت الحساب الكبير للغاية لخوارزميات التجميع المتاحة. EDBSCAN-H، حيث يتم استخدام المدرج التكراري للصورة لاستخراج النقطة الأكثر شيوعا من المكونات الحمراء والخضراء والزرقاء للصورة ثم استخدامها لحساب معامل المسافة الشاملة مما أثر على وقت التنفيذ كثيرا. يتم استخدام وقت التنفيذ وعدد النقاط الخارجة واستخدام وحدة المعالجة المركزية لتقييم أداء 12 صورة من صور الأقمار الصناعية الاختبارية في ظل سيناريوهات مختلفة. أكدت نتيجة التقييم فعالية EDBSCAN-H في تجميع صور البيانات المكانية مع وقت تنفيذ أقل واستخدام وحدة المعالجة المركزية بشكل ملحوظ مقارنة بالطريقة المقترحة من قبل (الماموري وكامل، 2016). تعد EDBSCAN-H المقترحة فعالة بما يكفي لاستخدامها في تجميع صور البيانات المكانية لأنها حققت في المتوسط أداء محسنا مقارنة بالخوارزمية المقترحة من قبل(Almamory and Kamil 2016) و DBSCAN من حيث مقاييس الأداء المختلفة. |
|---|
عناصر مشابهة
-
Satellite Images Multiple Data Using Clustering Techniques
بواسطة: Naji, Ghaidaa Waleed منشور: (2018) -
Cloud Based Satellite Image Classification by Using the Proposed Hyped Fast Deep Neural Network
بواسطة: ياسين، سارة جمال منشور: (2023) -
WAVELET ANALYSIS OF SATELLITE RADAR DATA
بواسطة: AI Sowayan, Sulaiman Saleh منشور: (2001) -
Images Enhancemcut By using the Histogram
بواسطة: Sardiq, Asmaa منشور: (2006) -
The Effect of the Number of Clusters on K-Means Performance
بواسطة: الأخرس، طه محمد عثمان منشور: (2021)
