• مقالات آموزشی
    • آموزش برنامه نویسی
    • آموزش الگوریتم
    • آموزش شبکه های کامپیوتری
    • آموزش های عمومی
  • ترجمه مقاله
    • لیست ترجمه کامل مقالات
    • لیست ترجمه مفهومی مقالات
  • تحقیق و پژوهش
    • لیست داکیومنت پایان‌نامه
    • لیست داکیومنت سمینار
  • پیاده سازی
    • سی پلاس پلاس ++C
    • برنامه نویسی OpenGL
    • سی شارپ #C
    • پایتون Python
    • اندروید Android
    • پی اچ پی PHP
    • متلب Matlab
  • پاورپوینت
    • پاورپوینت الگوریتم های بهینه سازی
    • پاورپوینت شبکه‌های کامپیوتری
    • پاورپوینت مهندسی کامپیوتر
    • پاورپوینت یادگیری ماشین
    • پاورپوینت درس و تحقیق
    • قالب آماده پاورپوینت
  • فیلم آموزشی
    • لیست فیلم های آموزشی
  • قالب آماده
    • لیست قالب آماده HTML
  • دانلود رایگان
  • مجله پی استور
  • آموزش برنامه نویسی
  • آموزش الگوریتم
  • آموزش شبکه
  • آموزش عمومی

ورود

رمز عبور را فراموش کرده اید؟

هنوز عضو نشده اید؟ عضویت در سایت
  • قوانین
  • تماس با ما
  • درباره ما
  • همکاری با ما
پی استور
0

ورود و ثبت نام

مقالات آموزشی
  • ترجمه مقاله
    • لیست ترجمه کامل مقالات
    • لیست ترجمه مفهومی مقالات
  • تحقیق و پژوهش
    • لیست داکیومنت پایان‌نامه
    • لیست داکیومنت سمینار
  • پیاده سازی
    • سی پلاس پلاس ++C
    • برنامه نویسی OpenGL
    • سی شارپ #C
    • پایتون Python
    • اندروید Android
    • پی اچ پی PHP
    • متلب Matlab
  • پاورپوینت
    • پاورپوینت الگوریتم های بهینه سازی
    • پاورپوینت شبکه‌های کامپیوتری
    • پاورپونت مهندسی کامپیوتر
    • پاورپوینت یادگیری ماشین
    • پاورپوینت درس و تحقیق
    • قالب آماده پاورپوینت
  • فیلم آموزشی
    • لیست فیلم های آموزشی
  • قالب آماده
    • قالب آماده HTML
  • مجله پی استور

دسته بندی خاک با الگوریتم SVM در متلب

خانهفروشگاههوش مصنوعییادگیری ماشیندسته بندی خاک با الگوریتم SVM در متلب
دسته بندی خاک با الگوریتم SVM

دسته بندی خاک با الگوریتم SVM در متلب

در این پست دسته بندی خاک با الگوریتم SVM یا الگوریتم ماشین بردار پشتیبان چند کلاسه از روی تصاویر را در نرم افزار MATLAB آماده کردیم که در واقع پیاده سازی مقاله Machine Learning in Soil Classification می باشد. این سورس کد یک پروژه مناسب در حوضه ی پردازش تصویر، بینایی ماشین، رشته مهندسی عمران ، علوم و مهندسی خاک ، خاک شناسی و مهندسی کشاورزی است.

در ادامه به معرفی این پروژه و توضیحاتی در رابطه با تشخیص و دسته بندی یا طبقه بندی خاک پرداخته و فیلم و تصاویری از خروجی این پروژه قرار داده شده و مقاله مرجع نیز به در لینک پایین قابل دانلود است.

دانلود مقاله اصلی

معرفی مقاله تشخیص و دسته بندی انواع خاک

در این مقاله یک روش خودکار برای تشخیص و دسته بندی یا طبقه بندی انواع خاک ارائه شده است که یک پروژه عالی در زمینه بینایی ماشین است. در مرحله اول، الگوریتم ماشین بردار پشتیبان اقدام به تقسیم بندی می کند. در مرحله دوم، ویژگی های برجسته از این بخش ها استخراج می شود.

خاک های بررسی شده در تشخیص و دسته بندی انواع خاک از تصاویر

در پروژه تشخیص انواع خاک با الگوریتم SVM به طبقه بندی ۷ نوع مختلف از خاک پرداخته شده است که شامل موارد زیر است:

  • خاک رس (Clay)
  • زغال سنگ نارس رس دار (Clayey Peat)
  • شن و ماسه رس دار (Clayey Sand)
  • گیاخاک (Humus)
  • ذغال سنگ نارس (Peat)
  • خاک رس شنی (Sandy Clay)
  • شن و ماسه سیلتی یا لای (Silty Sand)

دسته بندی انواع خاک

خاک‌ ها از نگاه ژئوتکنیک به دو دسته کلی درشت ‌دانه و ریزدانه طبقه بندی می‌ شوند اما از نگاه علم خاک ‌شناسی، خاک ‌ها به سه دسته درشت بافت مانند خاک های شنی و متوسط بافت مانند لای و ماسه و ریز بافت مانند خاک های رسی تقسیم ‌بندی می ‌شوند. خاک ‌های که بافت درشت تر دارند حجم منافذ آنها نسبت به خاک های ریز بافت بیشتر هستند اما در آنها ظرفیت نگهداری آب به دلیل بزرگی قطر خلل و فرج کمتر می باشد.

حجم خلل و فرج در خاک های رسی کمتر از خاک های ماسه ‌ای و شنی است اما در نگهداری آب ظرفیت بیشتری دارند. نفوذ پذیری بیشتری در خاک های ماسه ‌ای نسبت به خاک های رسی وجود داشته و آب جذب نکرده و راحتی از دست می ‌دهند و همینطور توانایی ذخیره‌ سازی رطوبت در آنها کمتر از خاک های ریز بافت می باشد.

تصاویری از خروجی محصول

طبقه بندی خاک با الگوریتم SVM

تشخیص انواع خاک با الگوریتم SVM

دسته بندی خاک با الگوریتم SVM

ویدئوی معرفی محصول

درباره محصول

دسته بندی خاک با الگوریتم SVM در متلب عنوان محصولی است که در این پست به تشخیص انواع خاک با الگوریتم SVM  پرداخته شده است. محصول در نرم افزار متلب 2017 نوشته شده و بصورت کامل توسط گروه پشتیبانی پی استور تست و اجرا شده است. محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری کنید.

امتیاز
5.00 از 1 رأی
5.00 1 رای
39,000 تومان
تعداد دانلود : 62
تاریخ انتشار: 3 آذر 1398
تاریخ بروزرسانی: 25 فروردین 1400
حجم فایل: 2.1 مگابایت
فرمت فایل m. در قالب متلب
نسخه: 1.0
لایسنس: ندارد
هماهنگی با: Matlab 2009 و بالاتر
نظرات و دیدگاه ها
  • programstore
    3 آذر 1398
    نمره 5 از 5
    پاسخ

    نظرات و پیشنهادات خود را با ما در میان بگذارید.

قوانین ثبت دیدگاه

  • دیدگاه های فینگلیش تایید نخواهند شد.
  • دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
  • از درج دیدگاه های تکراری پرهیز نمایید.
  • امتیاز دادن به محصول فقط مخصوص اعضای سایت می باشد.

لغو پاسخ

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قیمت 39,000 تومان

افزودن به علاقه مندی ها

سورس کد دسته بندی خاک با الگوریتم SVM در متلب 2017 نوشته شده و لینک دانلود بلافاصله پس از خرید، در اختیار شما قرار خواهد گرفت.

با خرید این محصول از مزایای زیر بهره‌مند می‌شوید:
  • دسترسی به فایل محصول به صورت مادام‌العمر
  • ۶ ماه پشتیبانی کاملا رایگان و تضمین شده
امتیاز
5.00 از 1 رأی
5.00 1 رای
39,000 تومان

تاریخ انتشار: 3 آذر 1398
تاریخ بروزرسانی: 25 فروردین 1400
حجم فایل: 2.1 مگابایت
فرمت فایل m. در قالب متلب
نسخه: 1.0
لایسنس: ندارد
هماهنگی با: Matlab 2009 و بالاتر
تعداد دانلود : 62

قیمت: 39,000 تومان

تماس با ما
  • دفتر پشتیبانی: 04144225175
  • دسترسی سریع: 09227367942
  • واتساپ پشتیبانی: 09208501946
  • [email protected]
درباره پی استور

تیم توسعه پی استور با هدف ارائه مطالب مفید علمی در گرایش های مختلف پروژه های علمی مختلف را جمع آوری می کند و در قالب یک محصول تست شده و قابل اجرا همراه با توضیحات و نحوه اجرا، انتشار می دهد. امید است با عنایت الهی و کوشش اساتید و دانشجویان همراهمان بتوانیم قدم کوچکی در تولید محتوای علمی کشور داشته باشیم.

مجوز های اخذ شده

نشان ملی  

  • قوانین
  • تماس با ما
  • درباره ما
  • همکاری با ما
پی استور
  • آموزش برنامه نویسی
  • آموزش الگوریتم
  • آموزش شبکه
  • آموزش عمومی
تمامی حقوق برای پی استور محفوظ است.
keyboard_arrow_up