НОВІТНІЙ ПІДХІД ДО ЗАСТОСУВАННЯ ТЕОРІЇ ДЕЗЕРА – СМАРАНДАКЕ ПРИ КЛАСИФІКУВАННІ ЗЕМЛЯНОГО ПОКРИВУ ПІД ЧАС ПРОВЕДЕННЯ ДИСТАНЦІЙНОГО ЗОНДУВАННЯ ІЗ ВИКОРИСТАННЯМ БЕЗПІЛОТНИХ ЛІТАЛЬНИХ АПАРАТІВ
DOI:
https://doi.org/10.32347/2412-9933.2022.49.33-39Ключові слова:
теорія Дезера – Смарандаке, теорія ймовірностей, теорія Демпстера – Шейфера, класифікування зображень, правило комбінуванняАнотація
Нині дистанційне зондування з використанням БПЛА відкриває нові можливості для проведення наукових досліджень на значно вищому рівні. Класифікування є однією з найбільш важливих процедур у задачах дистанційного зондування. Така процедура може бути застосована для вирішення численних екологічних і практичних завдань, таких як: класифікування лісів, визначення типів ґрунтів, пошук нафти та газу. Класифікування неповних, неточних та значно суперечливих даних завжди було та є однією із найбільш важливих процедур дистанційного зондування. У статті запропоновано новий підхід до застосування теорії Дезера – Смарандаке в задачах дистанційного зондування з використанням БПЛА. Ця теорія може працювати із неточною і доволі суперечливою інформацією. Проведено порівняння теорії Дезера – Смарандаке та її основних положень із теорією Демпстера – Шейфера і теорією ймовірностей. Описано і проаналізовано основні переваги і недоліки цих теорій. Розвиток теорії Дезера – Смарандаке був зумовлений необхідністю уникнути обмеження, які притаманні теорії Демпстера – Шейфера і теорії ймовірностей. Теорія Демпстера – Шейфера працює тільки з вичерпними та взаємовиключними гіпотезами, що може іноді призводити до неправильних результатів класифікування. Але вичерпні гіпотези можуть потенційно перетинатися і не завжди можуть бути належним чином ідентифіковані та визначені. Теорія Дезера – Смарандаке може працювати із вичерпними та невзаємовиключними гіпотезами. Ця теорія працює з усіма гіпотезами та їх всеможливими перетинами і сполученнями. Засвідчено, що теорія Дезера – Смарандаке може вирішувати завдання класифікування більш ефективно, ніж теорія ймовірностей і теорія Демпстера – Шейфера при комбінуванні неточних та значно суперечливих даних. Описано класичне правило комбінування Дезера – Смарандаке, також розглянуто числовий приклад із застосуванням правила комбінування Дезера – Смарандаке для класифікування багатоспектральних аерокосмічних зображень. Запропонований підхід до застосування теорії Дезера – Смарандаке для класифікування земляного покриву може бути застосований в різних сільськогосподарських та практичних задачах, при проведенні екологічного моніторингу та для пошуку корисних копалин.
Посилання
Yager, R. (1987). On the Dempster-Shafer Framework and New Combination Rules. Information Sciences, 41, 93–137.
McCoy, R. M. (2005). Fields Methods in Remote Sensing. New York: Guilford Press, 150–160.
Smarandache, F., Dezert, J. (2005). A Simple Proportional Conflict Redistribution Rule. International Journal of Applied Mathematics and Statistics, 3, J05, 1–36.
Smets, Ph. (1990). The combination of evidence in the Transferable Belief Model. IEEE Trans. On Pattern Analysis and Machine Intelligence, 12, 5, 447–458.
Dezert, J. (2002). Foundations for a new theory of plausible and paradoxical reasoning. Information and Security, 9,
–57.
Smarandache, F., Dezert, J. (2006). Proportional conflict redistribution rules for information fusion. American Research Press, 2, 61–103.
Smarandache, F., Dezert, J. (2004). Applications and advances of DSmT for Information Fusion. American Research Press, Rehoboth, 1, 3–35.
Smarandache, F., Dezert, J. (2006). Advances and applications of DSmT for information fusion. Rehoboth: American Research Press, 1, 461.
Smets, P., Henrion, M., Shachter, R. D., Kanal, L. N., Lemmer, J. F. (1990). Constructing the pignistic probability function in a context of uncertainty. Uncertainty in Artificial Intelligence. North Holland, Amsterdam, 5, 29–40.
Alpert, S. (2020). A new approach to applying the discount rule in hyperspectral satellite image classification. Management of Development of Complex Systems, 43, 76 – 82.
Popov, M. A., Alpert, S. I., Podorvan, V. N. (2017). Satellite image classification method using the Dempster-Shafer approach. Izvestiya, atmospheric and oceanic. Physics, 53(9), 1112–1122.
Zhang, L., Yager, R.R., Kacprzyk J., Fedrizzi, M. (1994). Representation, independence, and combination of evidence in the Dempster-Shafer theory. Advances in the Dempster-Shafer Theory of Evidence. New York: John Wiley and Sons, Inc.,
–69.
Alpert, S. I. (2021). Data combination method in Remote Sensing tasks in case of conflicting information sources. Ukrainian Journal of Remote Sensing, 8 (3), 44–48. URL: https://doi.org/10.36023/ujrs.2021.8.3.201.
Popov, M., Zaitsev, O., Alpert, S., Alpert, M., Stambirska, R. (2020). A method to ranking reliability of sensors of multisensor system: interval-valued number case. Тhe IEEE 2nd International Conference on Advanced Trends in Information Theory, 395–398.
Smets, P. (2007). Analyzing the Combination of Conflicting Belief Functions. Information Fusion, 8, 387–412.
Alpert, М. І., Alpert, S. І. (2021). A new approach to accuracy assessment of land-cover classification in UAV-based Remote Sensing. XXth International Conference “Geoinformatics: Theoretical and Applied Aspects”, Kyiv, 1–5.
Popov, M. O., Zaitsev, O. V., Stambirska, R. G., Alpert, S. I., & Kondratov, O. M. (2021). A Correlative Method to Rank Sensors with Information Reliability: Interval-Valued Numbers Case. Reliability Engineering and Computational Intelligence (Studies in Computational Intelligence book series). Springer International Publishing, 275-291, doi 10.1007/978-3-030-74556-1.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2022 Софія Альперт
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.