DESEMPENHO DE CLASSIFICADORES PARAMÉTRICO E NÃO PARAMÉTRICO NA CLASSIFICAÇÃO DA FISIONOMIA VEGETAL

Conteúdo do artigo principal

Alexandre Curvelo Andrade
Cristiane Nunes Francisco
Cláudia Maria Almeida

Resumo

O objetivo do presente trabalho é o estudo comparativo entre dois algoritmos estatísticos e supervisionados, MAXVER (Máxima Verossimilhança) e SVM (Suport Vector Machine), respectivamente paramétrico e não paramétrico, aplicados na classificação da fisionomia da vegetação em imagens de altíssima resolução espacial, com ênfase na avaliação do desempenho das classificações derivadas do incremento no número de atributos . A base de dados foi constituída pelas bandas do QuickBird fusionadas e por imagens geradas pelas transformações das bandas originais, além de dados de relevo do banco de dados TOPODATA. A área de estudo, com 16 km2, situa-se no município de Nova Friburgo, na região serrana do estado do Rio de Janeiro. No total, foram realizados quatro experimentos combinando o classificador com o número de atributos utilizados, considerando, em dois experimentos, apenas as quatro bandas espectrais corrigidas geométrica e radiometricamente e, nos outros dois, um espaço de atributos com 18 planos de informação. Os índices Kappa alcançados pelo classificador MAXVER variaram entre 0,64 e 0,66. Já os alcançados pelos experimentos conduzidos com o algoritmo SVM variaram entre 0,52 e 0,80. Considerando os índices alcançados, conclui-se que o número de planos de informação no espaço de atributos não aumenta significativamente a acurácia do desempenho do algoritmo MAXVER, mas possui grande influência no desempenho do SVM.

Downloads

Não há dados estatísticos.

Métricas

Carregando Métricas ...

Detalhes do artigo

Como Citar
ANDRADE, A. C.; FRANCISCO, C. N.; ALMEIDA, C. M. DESEMPENHO DE CLASSIFICADORES PARAMÉTRICO E NÃO PARAMÉTRICO NA CLASSIFICAÇÃO DA FISIONOMIA VEGETAL. Revista Brasileira de Cartografia, [S. l.], v. 66, n. 2, 2014. Disponível em: https://seer.ufu.br/index.php/revistabrasileiracartografia/article/view/43917. Acesso em: 29 maio. 2022.
Seção
Artigos