CLASSIFICADOR ADAPTATIVO PARA DADOS IMAGEM EM ALTA DIMENSIONALIDADE COM UM CONJUNTO PEQUENO DE AMOSTRAS DE TREINAMENTO

Main Article Content

Delnir Monteiro de Lemos
Vitor Haertel

Abstract

Neste trabalho é testado um classificador adaptativo que visa suavizar os efeitos causados por um número insuficiente de amostras de treinamento, fato este que pode degradar severamente a acurácia dos resultados obtidos por um classificador paramétrico utilizando dados com dimensão alta. O classificador adaptativo adiciona amostras semi-rotuladas ao conjunto das amostras de treinamento com o objetivo de reduzir os efeitos causados pelo pequeno número de amostras. O efeito das amostras semi-rotuladas é controlado por meio de um peso menor do que o peso atribuído as amostras originais. Os experimentos desenvolvidos mostram que este procedimento é eficiente na redução dos efeitos do fenômeno de Hughes contribuindo para aumentar a acurácia da imagem temática produzida.

Downloads

Download data is not yet available.

Metrics

Metrics Loading ...

Article Details

How to Cite
LEMOS, D. M. de; HAERTEL, V. CLASSIFICADOR ADAPTATIVO PARA DADOS IMAGEM EM ALTA DIMENSIONALIDADE COM UM CONJUNTO PEQUENO DE AMOSTRAS DE TREINAMENTO. Brazilian Journal of Cartography, [S. l.], v. 57, n. 3, 2009. DOI: 10.14393/rbcv57n3-43542. Disponível em: https://seer.ufu.br/index.php/revistabrasileiracartografia/article/view/43542. Acesso em: 25 nov. 2024.
Section
Artigos
Author Biographies

Delnir Monteiro de Lemos, FURG

FURG

Vitor Haertel, UFRGS - Universidade Federal do Rio Grande do Sul

UFRGS - Universidade Federal do Rio Grande do Sul Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia