Seleção
de
características e aprendizado ativo para classificação
de
imagens
de
sensoriamento remoto
ABCD PBi
Seleção
de
características e aprendizado ativo para classificação
de
imagens
de
sensoriamento remoto
Autor:
Jorge, Fábio Rodrigues
Orientador:
Ponti, Moacir Antonelli
Assuntos:
Aprendizado
De
Máquina
;
Bases Desbalanceadas
;
Extração
De
Características
;
Sensoriamento Remoto
;
Seleção
De
Características
;
Remote Sensing
;
Machine Learning
;
Feature Selection
;
Feature Extraction
;
Unbalanced Bases
Notas:
Dissertação (Mestrado)
Descrição:
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 um modelo melhor, com resultados comparáveis com as melhores características visuais.
DOI:
10.11606/D.55.2015.tde-14092015-100714
Editor:
Biblioteca Digital
de
Teses e Dissertações da USP; Universidade
de
São Paulo; Instituto
de
Ciências Matemáticas e
de
Computação
Data de criação/publicação:
2015-04-29
Formato:
Adobe PDF
Idioma:
Português
Disponível na Biblioteca:
ICMC - Inst. Ciên. Mat. Computação (T J82sc e.1 )