ҚАШЫҚТЫҚТАН ЗОНДТАУ ДЕРЕКТЕРІН ӨҢДЕУ ҮШІН МАШИНАЛЫҚ ОҚЫТУ ӘДІСТЕРІНІҢ САЛЫСТЫРМАЛЫ ТАЛДАУЫ

Аннотация

Қашықтықтан зондтау (ҚЗ) технологиялары Жерді зерттеуде кең көлемді деректерді ұсынады, олардың ішінде гиперспектралды (HSI) және мультиспектралды (MSI) суреттер ерекше маңызға ие. Осы мақалада HSI және MSI деректерін өңдеуде қолданылатын машиналық оқыту (ML) әдістерінің салыстырмалы талдауы жүргізіледі. Зерттеудің негізгі мақсаты – классификация, болжамдау және өлшемділікті қысқарту міндеттерінде әртүрлі ML–алгоритмдерінің тиімділігін бағалау.   Әдістеме ретінде дәстүрлі алгоритмдер (SVM (Support Vector Machines), Random Forest) және заманауи нейрондық желі архитектуралары (CNN (convolutional neural network), автоэнкодерлер) қарастырылады. ML–әдістерінің артықшылықтары мен шектеулері кіріс деректерінің түрі мен мақсатты міндетке байланысты талданады. Алынған нәтижелер гиперспектралды деректердің неғұрлым қуатты есептеу әдістерін қажет ететінін, ал мультиспектралды деректер күрделі емес алгоритмдерді пайдалана отырып, қанағаттанарлық дәлдікке қол жеткізуге мүмкіндік беретінін көрсетеді.   Зерттеу ҚЗ деректерін өңдеуде заманауи ML–әдістерін интеграциялаудың маңыздылығын атап көрсетеді, бұл қашықтықтан зондтау суреттерін автоматтандырылған талдау және интерпретация жүйелерін дамытуға ықпал етеді.