AT-SOM: MAPAS AUTO-ORGANIZÁVEIS ATENUANTES
Main Article Content
Abstract
Mapas Auto-Organizáveis (SOM) são modelos de Rede Neurais Artificiais inspirados no comportamento do córtex cerebral humano, os quais podem ser empregados na classificação de imagens. Este trabalho apresenta um método de classificação de imagens baseado em SOM, denominado Mapas Auto Organizáveis Atenuantes (At-SOM), capaz de reduzir os efeitos provocados pela classificação baseada em pixels. Para isto, o método desenvolvido é munido de um processo iterativo que reduz os valores dos pixels de um mesmo agrupamento. Um estudo de caso sobre a exatidão dos métodos At-SOM, Expectation Maximization, Fuzzy C-édias e o método SOM clássico foi realizado, tomando como base um problema específico de classificação de tipos de cobertura da terra em uma imagem do sensor LANDSAT-5 TM. O método proposto, associado à função de vizinhança topológica Chapéu Mexicano, mostrou maior acurácia com relação aos demais métodos.
Downloads
Metrics
Article Details
This work is licensed under a Creative Commons Attribution 3.0 Unported License.
Authors who publish in this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors can enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) before and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (see "The Effect of Open Access").
