تولید والدین با بهره گرفتن از روش تقاطع دونقطه ای جهت تولید نسل آینده
احتمال جهش = ۱۰ درصد
نرخ اعضای کوچ کننده به نسل بعد=۲۰ درصد
معیار توقف الگوریتم=میانگین اختلافات کاپاهای بدست آمده در هر نسل (تعریف این معیار توقف با اعمال حد آستانه ای معادل با یک صدم برروی میانگین اختلافات به الگوریتم)
روند اجرای الگوریتم GA-SVM به صورت شماتیک در شکل ۴-۶ نشان داده شده است . با تنظیم پارامترهای مربوطه الگوریتم ترکیبی GA-SVM در محیط نرم افزار MATLAB اجرا شد. و الگوریتم GA-SVM با ۱۲ تکرار (نسل) و به عبارت دیگر با تولید ۶۰۰ کروموزوم به جواب رسید. برای صحت سنجی طبقه بندی انجام شده توسط الگوریتم GA-SVM بکار رفته در این مرحله از زیر تابع طراحی شده در الگوریتم GA-SVM استفاده شده که خروجی آن ضریب کاپای طبقه بندی داده های آزمایشی بر اساس آموزش الگوریتم بوسیله دادهای آموزشی می باشد. بهترین ضریب کاپای بدست آمده که همان دقت مربوط به کروموزوم برگزیده می باشد برابر ۸۵۶۰۷۴/ . شد. میانگین ضریب کاپا برای تمام کروموزوم های تولید شده ۷۸۱۵۵۱/ . بدست آمد. در نهایت کروموزوم مربوط به ویژگی های بافتی بهینه انتخاب شد که باندهای ۱و ۵ و۷ (Mean ، Dissimilarity و Second Moment) می باشند.
شکل ۴‑۶ اجرای الگوریتم GA –SVM
دقت طبقه بندی هر کروموزوم
Fittness
طبقه بندی سقف ساختمان ها با الگوریتم SVM
طبقه بندی ساختمان ها با بهره گیری از سه باند منتخب اسکریپت GA-SVM و با فراخوانی مجدد الگوریتم برای طبقه بندی کل داده ها و تخمین دقت نهایی و ضریب کاپا صورت پذیرفت که در شکل ۴-۷ فرایند اجرایی آن نشان داده می شود.
شکل ۴‑۷ – اجرای الگوریتم طبقه بندی سقف ساختمان ها
در این مرحله از تحقیق پس از مشخص شدن ویژگی های بافتی بهینه، با بهره گرفتن از الگوریتم طبقه بندی SVM و با بهره گرفتن از داده های آموزشی تعریف شده قبلی، اقدام به طبقه بندی درون پلیگون سقف ساختمان ها شد. نتایج حاصل از طبقه بندی سقف ساختمان ها در شکل ۴-۸ نشان داده شده است. همانطور که در شکل ۴-۸ مشاهده می شود سقف ساختمان ها در سه کلاس سقف پابرجا (intact area) ، سقف نمیه فروریخته(partially-damaged area) و سقف فروریخته(fully-damaged area) طبقه بندی شده اند. این سه کلاس طبقه بندی به صورت شهودی نیز مبین میزان آسیب وارده به هر بخش از سقف ساختمان مورد مطالعه می باشد. این سه کلاس به ترتیب با رنگ های سبز، زرد و قرمز نشان داده شده است.
شکل ۴‑۸ نتایج طبقه بندی سقف ساختمان ها با بهره گرفتن از الگوریتم SVM
پس از اینکه سقف ساختمان ها با بهره گرفتن از الگوریتم SVM در سه کلاس مذکور طبقه بندی شد، درصد تعداد پیکسل های هر کلاس به تعداد کل پیکسل های آن پلیگون ساختمانی به عنوان ورودی سیستم استنتاج فازی باید محاسبه گردد. برای شمارش تعداد پیکسل های هر کلاس و در نهایت محاسبه نسبت پیکسل های آن کلاس به کل پیکسل های آن پلیگون ساختمانی، از Spatial Analyst Toolbox نرم افزار ArcGIS استفاده می شود. در جدول ۴-۲ تعدادی ساختمان به همراه درصد حضور هر کلاس در سقف آن ساختمان به عنوان نمونه آورده شده است.
جدول ۴-۲ چند ساختمان نمونه به همراه درصد حضور هر کلاس در سقف ساختمان
سقف فروریخته (قرمز) | سقف نیمه فروریخته (زرد) | سقف پابرجا (سبز) | ساختمان |
۰ | ۰ | ۱ | |
۰٫۹۸۵ | ۰٫۰۱۵ | ۰ | |
۰٫۱۸۰ | ۰٫۱۶۹ | ۰٫۶۵۱ | |
۰٫۴۸۶ | ۰٫۲۹۳ | ۰٫۲۲۲ |
[شنبه 1400-08-22] [ 06:14:00 ب.ظ ]
|