Boyut indirgeme ve hiperspektral veri sınıflandırmasındaki etkileri

Boyut indirgeme ve hiperspektral veri görüntüleme sistemleri araştırmacılar ve araştırma kurumlarından büyük ilgi görmüştür. Veri sensörlerinin kullanımı yoluyla verilerin aktif olarak alınmasıyla, orta ve kızılötesi dalga boylarında, dünyanın yüzeyindeki belirli bir bölgeden çeşitli mevcut spektral bandlar yoluyla görüntüler alınabilir. Hiperspektral sensörler, detaylı spektral bilginin sağlanmasında oldukça önemlidir ve bu ayrıntılı veriden dolayı doğruluktaki artış ve ilgili materyallerin ayrımcılığına ilişkin olarak oldukça pahalıdır. Çoğu durumda, görüntüleme için hiperspektral çözümler ve uzamsal kararlar için sistemler basitçe iki önemli rol oynayarak süreci ayırıcılığı artıran sensörlerin uygulanmasıyla çalıştırılabilir; Daha hassas görüntüleme ayrıntılarının sağlanmasını geliştirmek ve görüntüler içinde bulunabilecek çok daha küçük mekansal yapıların analizini sağlamak hiperspektral verilerin önemli özellikleri olarak sayılabilir. Sonuç olarak, uzaktan algılama ve yorumlamada veri sınıflandırmanın önemli katkısı vardır. Denetimli öğrenme ile verilerin sınıflandırılmasıyla oynanan birincil rollerden biri, belirli bir veri hakkında spektral bilgileri modellemek için eğitim örneklerinin kullanılmasıdır. Bu örnekler, gri tonlamalı görüntülerin elde edilmesinde kullanılan tüm piksellerin yoğunluğunun yanı sıra, RGB'nin yoğunluk vektörü ve hatta yüksek boyutlardaki görüntülerin değeri gibi bilgileri içerir. Bu sonuç olarak, temsili bir örneklem kullanılarak farklı çıkarların ayrımcılığına yardımcı olan veri sınıflandırma sonuçlarının üretilmesine yol açmaktadır. Bununla birlikte, bu tezin amacı, söz konusu hiperspektral veri sınıflandırma sistemlerinde boyut indirgemenin etkisini analiz etmektir. Bu tezde hiperspektral veri sınıflamasında boyut indirgemenin iki önemli yönü üzerinde durulacaktır. Bunlar, PCA ve ISOMAP ile boyut indirgeme olup, daha sonra da boyut indirgemenin Destek Vektör Makinesi (SVM) ve K en yakın komşuluk (KNN) gibi sınıflayıcılara olan etkilerini incelemektedir. Anahtar Kelimeler: Hiperspektral Görüntüleme Verileri, Boyut İndirgeme, PCA, ISOMAP, SVM, KNN.