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

Abstract

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.