1. Identificação | |
Tipo de Referência | Artigo em Revista Científica (Journal Article) |
Site | plutao.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | 8JMKD3MGP3W/3FCLSSE |
Repositório | sid.inpe.br/plutao/2013/12.12.19.59 |
Última Atualização | 2015:03.13.18.16.14 (UTC) administrator |
Repositório de Metadados | sid.inpe.br/plutao/2013/12.12.19.59.01 |
Última Atualização dos Metadados | 2018:06.04.23.39.26 (UTC) administrator |
ISSN | 0560-4613 1808-0936 |
Rótulo | lattes: 0063119667740811 3 NascimentoAlcâKampStec:2013:CASTTR |
Chave de Citação | NascimentoAlcâKampStec:2013:CaStTr |
Título | An assessment of the support vector machine for a CBES-2 CCD image classification: a case study of a tropical reservoir in brazil ![](http://plutao.sid.inpe.br/col/dpi.inpe.br/banon/2000/01.23.20.24/doc/externalLink.gif) |
Ano | 2013 |
Data de Acesso | 17 jun. 2024 |
Tipo de Trabalho | journal article |
Tipo Secundário | PRE PN |
Número de Arquivos | 1 |
Tamanho | 665 KiB |
|
2. Contextualização | |
Autor | 1 Nascimento, Renata 2 Alcântara, Enner Herenio de 3 Kampel, Milton 4 Stech, José Luiz |
Identificador de Curriculo | 1 2 3 8JMKD3MGP5W/3C9JHTG 4 8JMKD3MGP5W/3C9JHHN |
Grupo | 1 DSR-OBT-INPE-MCTI-GOV-BR 2 3 DSR-OBT-INPE-MCTI-GOV-BR 4 DSR-OBT-INPE-MCTI-GOV-BR |
Afiliação | 1 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 Autor | 1 re_ffnascimento@yahoo.com.br 2 enner@pq.cnpq.br 3 milton@dsr.inpe.br 4 stech@ltid.inpe.br |
Endereço de e-Mail | milton@dsr.inpe.br |
Revista | Revista Brasileira de Cartografia |
Volume | 65 |
Número | 3 |
Páginas | 431-439 |
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 Conteúdo | concluido |
Transferível | 1 |
Tipo do Conteúdo | External Contribution |
Tipo de Versão | publisher |
Palavras-Chave | Tropical reservoir CBERS Support vector machine |
Resumo | The 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. |
Área | SRE |
Arranjo | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > An assessment of... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | não têm arquivos |
Conteúdo da Pasta agreement | não têm arquivos |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W/3FCLSSE |
URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W/3FCLSSE |
Idioma | en |
Grupo de Usuários | lattes marcelo.pazos@inpe.br |
Grupo de Leitores | administrator marcelo.pazos@inpe.br |
Visibilidade | shown |
Política de Arquivamento | allowpublisher allowfinaldraft |
Permissão de Leitura | allow from all |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Repositório Espelho | iconet.com.br/banon/2006/11.26.21.31 |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3ER446E |
Lista de Itens Citando | sid.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 |
Divulgação | PORTALCAPES |
Acervo Hospedeiro | dpi.inpe.br/plutao@80/2008/08.19.15.01 |
|
6. Notas | |
Campos Vazios | alternatejournal 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 | |
|