Fechar

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W/3FCLSSE
Repositóriosid.inpe.br/plutao/2013/12.12.19.59
Última Atualização2015:03.13.18.16.14 (UTC) administrator
Repositório de Metadadossid.inpe.br/plutao/2013/12.12.19.59.01
Última Atualização dos Metadados2018:06.04.23.39.26 (UTC) administrator
ISSN0560-4613
1808-0936
Rótulolattes: 0063119667740811 3 NascimentoAlcâKampStec:2013:CASTTR
Chave de CitaçãoNascimentoAlcâKampStec:2013:CaStTr
TítuloAn assessment of the support vector machine for a CBES-2 CCD image classification: a case study of a tropical reservoir in brazil
Ano2013
Data de Acesso17 jun. 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PN
Número de Arquivos1
Tamanho665 KiB
2. Contextualização
Autor1 Nascimento, Renata
2 Alcântara, Enner Herenio de
3 Kampel, Milton
4 Stech, José Luiz
Identificador de Curriculo1
2
3 8JMKD3MGP5W/3C9JHTG
4 8JMKD3MGP5W/3C9JHHN
Grupo1 DSR-OBT-INPE-MCTI-GOV-BR
2
3 DSR-OBT-INPE-MCTI-GOV-BR
4 DSR-OBT-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Universidade Estadual Paulista (UNESP)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 re_ffnascimento@yahoo.com.br
2 enner@pq.cnpq.br
3 milton@dsr.inpe.br
4 stech@ltid.inpe.br
Endereço de e-Mailmilton@dsr.inpe.br
RevistaRevista Brasileira de Cartografia
Volume65
Número3
Páginas431-439
Histórico (UTC)2013-12-12 19:59:01 :: lattes -> administrator ::
2018-06-04 23:39:26 :: administrator -> marcelo.pazos@inpe.br :: 2013
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveTropical reservoir
CBERS
Support vector machine
ResumoThe support vector machine (SVM) is a group of theoretically superior machine learning algorithms and has recently become an effective tool for pattern recognition. The aim of this work was to compare this newer classification algorithm against a traditional statistical classifier and to assess their accuracy. The area surrounding the Itumbiara reservoir in the State of Goiás, Brazil was selected as the study area. The classes were defined in accordance with the Cover Classification System of the Food and Agriculture Organization of the United Nations (FAO). Training sets were collected for each class, and the algorithms were then applied. A confusion matrix and Kappa coefficients were used to evaluate the classification algorithm. The computed accuracy was approximately 71%, and the Kappa coefficient was 0.64 for the SVM classification. For the maximum likelihood (ML) the overall accuracy was 49% and the Kappa coefficient was 0.36. According to these results, the optimal class separation by the SVM algorithm was considered to be appreciably better than the ML classification. RESUMO: O Máquina de Suporte Vetorial (MSV) é um grupo teórico de algoritmos de aprendizagem de máquina e recentemente se tornou uma ferramenta efetiva para o reconhecimento de padrões. O objetivo deste trabalho foi o de comparar esse novo classificador contra os classificadores estatísticos tradicionais e avaliar sua acurácia. A área selecionada para realizar esse experimento foi a área de influência do reservatório hidrelétrico de Itumbiara (GO). As classes selecionadas foram obtidas pelo sistema de classificação de cobertura da FAO. Amostras de treinamento foram coletadas para cada classe e os algoritmos de classificação foram então aplicados. O coeficiente Kappa foi utilizado para avaliar os classificadores. Os resultados mostraram que para o algoritmo MSV a acurácia foi de 71% com um coeficiente Kappa de 0,64. Para o algoritmo de máxima verossimilhança a acurácia foi de 49% com Kappa de 0,36. De acordo com esses resultados, para a classificação da área de estudo selecionada, o algoritmo MSV apresentou melhor resultado na separação das classes propostas pela FAO.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > An assessment of...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W/3FCLSSE
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W/3FCLSSE
Idiomaen
Grupo de Usuárioslattes
marcelo.pazos@inpe.br
Grupo de Leitoresadministrator
marcelo.pazos@inpe.br
Visibilidadeshown
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhoiconet.com.br/banon/2006/11.26.21.31
Unidades Imediatamente Superiores8JMKD3MGPCW/3ER446E
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.56.38 1
URL (dados não confiáveis)http://www.lsie.unb.br/rbc/index.php/rbc/article/view/600
DivulgaçãoPORTALCAPES
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel doi format isbn lineage mark month nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate secondarykey secondarymark session shorttitle sponsor subject targetfile tertiarymark tertiarytype
7. Controle da descrição
e-Mail (login)marcelo.pazos@inpe.br
atualizar 


Fechar