Use este identificador para citar ou linkar para este item: http://www.repositorio.ufc.br/handle/riufc/12475
Título: Avaliação de classificadores baseados em aprendizado de máquina para a classificação do uso e cobertura da terra no bioma caatinga
Título em inglês: Evaluation of classifiers based on machines learning to land use and cover classification on caatinga biome
Autor(es): Sousa, Beatriz Fernandes Simplicio
Teixeira, Adunias dos Santos
Silva, Francisco de Assis Tavares Ferreira da
Andrade, Eunice Maia de
Braga, Arthur Plínio de Souza
Palavras-chave: Inteligência Artificial
Semi-árido
Classificação de Imagens de Satélite
Data do documento: 2010
Editor: Revista Brasileira de Cartografia
Citação: SOUZA, B. F. S. ; TEIXEIRA, A. S. ; SILVA, F. A. T. F. ; ANDRADE, E. M. ; BRAGA, A. P. S. (2010)
Resumo: O manejo adequado dos recursos naturais em ambientes frágeis, como o da Caatinga, requer o conhecimento de suas propriedades e distribuição espacial. Nesse contexto, o trabalho tem por objetivo avaliar o desempenho de dois algoritmos baseados em aprendizado de máquina (Multi Layer Perceptron (MLP) e o Support Vector Machine (SVM)) e do método da Máxima Verossimilhança na classificação do uso e cobertura da terra no bioma Caatinga. Para o experimento, foi utilizada uma imagem do satélite LANDSAT-5/TM contendo a área de estudo localizada no município de Iguatu-CE e definidas as classes de cobertura da terra, a saber: antropização por agricultura (APA), outros tipos de antropização (OTA), água, caatinga herbácea arbustiva (CHA) e caatinga arbórea densa (CAD). O desempenho dos métodos foi analisado através dos coeficientes de Exatidão Global (EG), Exatidão Específica (EE) e Kappa (K) calculados a partir dos dados da matriz de confusão correspondente à verdade terrestre. Os valores do coeficiente de EG foram de: 86,03%, 82,14% e 81,2% e K de: 0,77, 0,76 e 0,75 nos métodos SVM, MLP e Máxima Verossimilhança, respectivamente. Os valores de EE foram superiores a 70% para todos os classificadores testados. Os resultados obtidos demonstram que os métodos SVM e MLP estão aptos à classificação dos padrões propostos, já que apresentaram resultados semelhantes ao método tradicional da Máxima Verossimilhança. Porém, estes classificadores podem consumir mais tempo na etapa de definição dos parâmetros da rede e de processamento.
Descrição: SOUZA, B. F. S. et al. Avaliação de classificadores baseados em aprendizado de máquina para a classificação do uso e cobertura da terra no bioma caatinga. Revista Brasileira de Cartografia, n. 62, p. 385-399, 2010. (Edição Especial 2).
URI: http://www.repositorio.ufc.br/handle/riufc/12475
ISSN: 0560-4613
Aparece nas coleções:DEEL - Artigos publicados em revista científica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2010_art_apsbraga.pdf671,4 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.