In this study, combined with GIS te

In this study, combined with GIS technique, temporal analysis
is conducted to detect urbanization process using Landsat series
imagery from 1975 to 2015 in the Montréal Census
Metropolitan Area (CMA). Six level-2 classes are assigned:
residential, commercial, barren cropland, water body, forest,
and vegetation. The post-classification comparison change
detection approach is applied, necessitating the selection of an
appropriate classification algorithm. Since unsupervised
classifiers need a great amount of work to refine results during
the post-classification comparison period, several supervised
classification and machine learning methods have been used,
such as Maximum Likelihood Classifier (MLC) (Otuker et al.,
2010), Support Vector Machine (SVM) (Schneider, 2012), and
Artificial Neural Network (ANN) (Erbek et al., 2004).
Compared with traditional classification classifiers (e.g. MLC),
the Decision Tree (DT) classifier is a different classification
algorithm, which is an ensemble consisting of a large number of
diverse criterions aiming to separate and identify various classes
(Joelsson et al., 2006). Based on the previous studies, the
performance of MLC, SVM, ANN and DT classifiers are tested
according to accuracy assessment, and their relative
performances are evaluated.

ผลลัพธ์ (ไทย) 1:

ในการศึกษานี้ รวมกับเทคนิค GIS ขมับวิเคราะห์ดำเนินการตรวจสอบกระบวนการกลายเป็นเมืองที่ใช้ชุด Landsatภาพจาก 1975-2015 ในสำมะโนประชากรมอนทรีอัลปริมณฑล (รุ่น) กำหนดให้เรียน 2 ระดับหก:ที่พักอาศัยเชิงพาณิชย์ แห้งแล้ง cropland ร่างกายน้ำ ป่าและพืช การเปลี่ยนแปลงหลังการจัดประเภทการเปรียบเทียบการตรวจหาวิธีใช้ การเลือกจำเป็นต้องมีอัลกอริทึมที่เหมาะ ทรัพย์สินตั้งแต่คำนามภาษาต้องจำนวนมากของการปรับปรุงผลลัพธ์ในระหว่างระยะเวลาหลังการจัดประเภทการเปรียบเทียบ หลายดูแลการใช้การจำแนกประเภทและวิธีการเรียนรู้ของเครื่องเช่นสูงสุดโอกาสลักษณนาม (MLC) (Otuker et al.,2010 สนับสนุนเครื่องเวกเตอร์ (SVM) (Schneider, 2012), และโครงข่ายประสาทเทียม (แอน) (Erbek et al. 2004)เมื่อเทียบกับคำนามภาษาดั้งเดิมประเภท (เช่น MLC),ลักษณนามต้นไม้ตัดสินใจ (DT) เป็นการจำแนกแตกต่างกันอัลกอริทึม ซึ่งเป็นวงดนตรีประกอบด้วยจำนวนมากหลากหลาย criterions เล็งเพื่อแยก และระบุชั้นเรียนต่าง ๆ(Joelsson et al. 2006) อิงจากการศึกษาก่อนหน้านี้ การมีทดสอบประสิทธิภาพของคำหลักภาษา MLC, SVM แอน และ DTตามการประเมินความถูกต้อง และญาติของพวกเขาแสดงจะถูกประเมิน

ผลลัพธ์ (ไทย) 2:

ในการศึกษาครั้งนี้รวมกับเทคนิคระบบสารสนเทศภูมิศาสตร์วิเคราะห์ชั่วคราว
จะดำเนินการในการตรวจสอบการกลายเป็นเมืองโดยใช้ภาพถ่ายดาวเทียมชุด
ภาพ 1975-2015 ในมอนทรีออสำรวจสำมะโนประชากร
และปริมณฑล (CMA) หกระดับ 2 ชั้นเรียนที่ได้รับมอบหมาย:
อยู่อาศัยเชิงพาณิชย์ cropland หมันร่างกายน้ำป่าไม้
และพืชผัก การโพสต์การจัดหมวดหมู่การเปรียบเทียบการเปลี่ยนแปลง
วิธีการตรวจสอบถูกนำไปใช้ทั้งนี้การเลือกนั้น
ขั้นตอนวิธีการจัดประเภทที่เหมาะสม ตั้งแต่หากิน
ลักษณนามต้องมีจำนวนมากในการทำงานเพื่อปรับแต่งผลการค้นหาในช่วง
ระยะเวลาการเปรียบเทียบการโพสต์การจัดหมวดหมู่หลายภายใต้การดูแล
การจัดหมวดหมู่และการเรียนรู้เครื่องวิธีการได้ถูกนำมาใช้
เช่นลักษณนามโอกาสสูงสุด (แอลซี) (Otuker et al.,
2010), เวกเตอร์สนับสนุน เครื่อง (SVM) (Schneider, 2012) และ
โครงข่ายประสาทเทียม (ANN) (Erbek et al., 2004).
เมื่อเทียบกับลักษณนามการจัดหมวดหมู่แบบดั้งเดิม (เช่นแอลซี),
ต้นไม้ตัดสินใจ (DT) ลักษณนามคือการจัดหมวดหมู่ที่แตกต่างกัน
ขั้นตอนวิธีการซึ่ง เป็นวงดนตรีที่ประกอบด้วยจำนวนมากของ
หลักเกณฑ์ที่มีความหลากหลายมีวัตถุประสงค์เพื่อแยกและระบุชั้นเรียนต่างๆ
(Joelsson et al., 2006) จากการศึกษาก่อนหน้านี้
ประสิทธิภาพการทำงานของแอลซี SVM แอนและ DT ลักษณนามจะมีการทดสอบ
ตามการประเมินความถูกต้องและญาติของพวกเขา
แสดงได้รับการประเมิน