DISTÂNCIAS ESTOCÁSTICAS E MAPAS DE INCERTEZAS APLICADOS À CLASSIFICAÇÃO DE DADOS DE MÚLTIPLOS SENSORES
Conteúdo do artigo principal
Resumo
Neste trabalho é proposto o aperfeiçoamento de classifi cações por meio de uma nova técnica de integração de dados
multifonte ou multisensor cuja combinação ocorre em nível diferente daqueles adotados em técnicas de integração
tradicionais. Neste caso, a composição dos dados é aplicada às informações obtidas no processo de classifi cação
individual de w imagens provenientes de w fontes distintas. O conteúdo dessas informações refere-se às distâncias e
estatísticas de teste contidas nos mapas de incertezas (referentes à confi abilidade da classifi cação) de cada uma das classifi cações. Os dados selecionados para este trabalho contemplam uma imagem óptica e uma imagem de micro-ondas.
Tais imagens foram classifi cadas a partir do classifi cador por regiões PolClass que além da classifi cação gera um
mapa de incertezas. Por meio dos dados gerados nas classifi cações individuais das imagens foram construídos cinco
Cenários de Classifi cação visando índices de acurácia superiores aqueles obtidos pelas classifi cações individuais. Dois
destes Cenários de classifi cação apresentaram baixas incertezas nas classifi cações. Para um deles, o coefi ciente kappa
e acurácia global igualaram-se estatisticamente ao maior kappa e maior acurácia adquiridos individualmente. O outro
Cenário, cuja origem foi baseada na lógica Fuzzy, obteve o melhor resultado entre os Cenários criados. A utilização
de informações provenientes de fontes distintas mostrou-se um fator positivo na classifi cação por agregar diferentes
informações ao resultado fi nal. A lógica Fuzzy revelou-se um fator positivo por permitir uma classifi cação em classes
mistas com baixas incertezas.
Downloads
Métricas
Detalhes do artigo
Esta obra está licenciado com uma Licença Creative Commons Attribution 3.0 Unported License.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Atribuição que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (veja "O Efeito do Acesso Aberto").
