Ver registro no DEDALUS
Exportar registro bibliográfico

Seleção de características e aprendizado ativo para classificação de imagens de sensoriamento remoto (2015)

  • Authors:
  • USP affiliated authors: JORGE, FÁBIO RODRIGUES - ICMC
  • USP Schools: ICMC
  • Subjects: APRENDIZADO COMPUTACIONAL; SENSORIAMENTO REMOTO; PROCESSAMENTO DIGITAL DE SINAIS; RECONHECIMENTO DE PADRÕES
  • Keywords: Aprendizado de má¡quina; Bases desbalanceadas; Extração de características; Feature extraction; Feature selection; Machine learning; Remote sensing; Seleção de características; Sensoriamento remoto; Unbalanced bases
  • Language: Português
  • Abstract: Em aplicações de sensoriamento remoto, há diversos problemas nos quais há conhecimento predominante sobre uma categoria ou classe alvo, e pouco conhecimento sobre as demais categorias. Nesses casos, o treinamento de um classificador é prejudicado pelo desbalanceamento de classes. Assim, o estudo de características visuais para se definir o melhor subespaço de características pode ser uma alternativa viável para melhorar o desempenho dos classificadores. O uso de abordagens baseadas em detecção de anomalias também pode auxiliar por meio da modelagem da classe normal (comumente majoritária) enquanto todas as outras classes são consideradas como anomalias. Este estudo apresentou uma base de imagens de sensoriamento remoto, cuja aplicação é identificar entre regiões de cobertura vegetal e regiões de não cobertura vegetal. Para solucionar o problema de desbalanceamento entre as classes, foram realizados estudos das características visuais a fim de definir qual o conjunto de atributos que melhor representa os dados. Também foi proposta a criação de um pipeline para se tratar bases desbalanceadas de cobertura vegetal. Este pipeline fez uso de técnicas de seleção de características e aprendizado ativo. A análise de características apresentou que o subespaço usando o extrator BIC com o índice de vegetação ExG foi o que melhor distinguiu os dados. Além disso, a técnica de ordenação proposta mostrou bom desempenho com poucas dimensões. O aprendizado ativo também ajudou na criação de ummodelo melhor, com resultados comparáveis com as melhores características visuais
  • Imprenta:
  • Data da defesa: 29.04.2015
  • Acesso online ao documento

    Online access or search this record in

    Exemplares físicos disponíveis nas Bibliotecas da USP
    BibliotecaCód. de barrasNúm. de chamada
    ICMC30300050575T J82sc e.1
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      JORGE, Fábio Rodrigues; PONTI, Moacir Antonelli. Seleção de características e aprendizado ativo para classificação de imagens de sensoriamento remoto. 2015.Universidade de São Paulo, São Carlos, 2015. Disponível em: < http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14092015-100714/ >.
    • APA

      Jorge, F. R., & Ponti, M. A. (2015). Seleção de características e aprendizado ativo para classificação de imagens de sensoriamento remoto. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14092015-100714/
    • NLM

      Jorge FR, Ponti MA. Seleção de características e aprendizado ativo para classificação de imagens de sensoriamento remoto [Internet]. 2015 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14092015-100714/
    • Vancouver

      Jorge FR, Ponti MA. Seleção de características e aprendizado ativo para classificação de imagens de sensoriamento remoto [Internet]. 2015 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-14092015-100714/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI: