Kaedah pengkomputeran rangkaian neural Hopfield untuk pemetaan resolusi super

Siti Khadijah Mohd Zaki (P78163)

Please use this identifier to cite or link to this item: https://ptsldigital.ukm.my/jspui/handle/123456789/457832

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Anuar Mikdad Muad, Dr.
dc.contributor.author	Siti Khadijah Mohd Zaki (P78163)
dc.date.accessioned	2023-09-12T09:14:03Z	-
dc.date.available	2023-09-12T09:14:03Z	-
dc.date.issued	2020-01-07
dc.identifier.other	ukmvital:123404
dc.identifier.uri	https://ptsldigital.ukm.my/jspui/handle/123456789/457832	-
dc.description	Imej penderiaan jarak jauh merupakan salah satu sumber informasi yang digunakan untuk pemetaan litupan tanah di atas permukaan muka bumi. Teknik pemetaan ini adalah penting untuk menentukan kelas-kelas litupan tanah yang berbeza. Namun demikian, dalam banyak aplikasi, teknik pemetaan merupakan tugas yang mencabar disebabkan terdapat pelbagai jenis satelit yang berbeza. Satelit beresolusi tinggi menghasilkan imej dengan kandungan maklumat yang banyak, namun ia adalah mahal. Manakala satelit beresolusi rendah menghasilkan imej dengan maklumat yang sedikit tetapi harganya adalah murah. Kaedah pemetaan resolusi super digunakan untuk meningkatkan kualiti maklumat bagi imej dari satelit beresolusi rendah. Rangkaian neural Hopfield (RNH) digunakan bagi melaksanakan pemetaan resolusi super. Persamaan kebezaan biasa (PKB) digunakan bagi proses pengkomputeran RNH yang melibatkan beberapa lelaran pengkomputeran. Objektif utama tesis ini adalah untuk meningkatkan nilai imej satelit beresolusi rendah dengan menggunakan pemetaan resolusi super, memetakan litupan tanah pada peringkat subpiksel, dan menambahbaik kaedah pengkomputeran RNH supaya penghasilan imej pemetaan resolusi super menjadi pantas dan melibatkan kurang lelaran. Kebiasaannya, RNH menggunakan persamaan Euler. Persamaan ini sentiasa memberikan ketepatan yang memuaskan namun ianya mengambil masa yang agak lama untuk mendapatkan keputusan yang diingini. Oleh itu, beberapa persamaan PKB lain seperti teknik Euler yang diperbaiki, Runge-Kutta dan Adams-Moulton telah digunakan dalam kajian ini. Empat jenis kelas litupan tanah seperti tumbuhan, air, jalanraya, dan bangunan telah dikelaskan dalam kajian ini. Hasil kajian mendapati bagi memetakan keempat-empat jenis litupan tanah, teknik Euler mengambil masa di antara 220-1020 saat, iaitu di sekitar 1000 lelaran dengan purata ketepatan 85.18%; teknik Euler yang diperbaiki mengambil masa di antara 20-500 saat, iaitu 60-620 lelaran dengan purata ketepatan 86.63%, teknik Runge-Kutta mengambil masa di antara 20-400 saat, iaitu 70-600 lelaran dengan purata ketepatan 86.63%; dan teknik Adams-Moulton mengambil masa di antara 10-150 saat, iaitu 40-320 lelaran dengan purata ketepatan 86.64%. Sebagai kesimpulan, selain menggunakan teknik Euler yang asas, penghasilan imej pemetaan resolusi super berasaskan RNH dapat dipercepatkan dengan menggunakan beberapa teknik PKB yang lebih baik di samping memberikan ketepatan yang setanding dengan teknik Euler asas.,Sarjana Sains
dc.language.iso	may
dc.publisher	UKM, Bangi
dc.relation	Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina
dc.rights	UKM
dc.subject	Universiti Kebangsaan Malaysia -- Dissertations
dc.subject	Dissertations, Academic -- Malaysia
dc.subject	Neural network
dc.subject	Pemetaan
dc.subject	Imej penderiaan jauh
dc.title	Kaedah pengkomputeran rangkaian neural Hopfield untuk pemetaan resolusi super
dc.type	theses
dc.format.pages	85
dc.identifier.barcode	005718(2021)(PL2)
Appears in Collections:	Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina

Files in This Item:

File	Description	Size	Format
ukmvital_123404+SOURCE1+SOURCE1.0.PDF Restricted Access		3.78 MB	Adobe PDF	View/Open

Show simple item record Recommend this item