Fechar
Metadados

@MastersThesis{Bento:2017:AvCl┴r,
               author = "Bento, Bruna Maria Pechini",
                title = "Avalia{\c{c}}{\~a}o de classificadores por {\'a}rvore de 
                         decis{\~a}o e {\'a}rvore de regress{\~a}o em cenas urbanas do 
                         sensor WorldView-2",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2017",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2016-08-29",
             keywords = "sensoriamento remoto, alta resolu{\c{c}}{\~a}o espacial, 
                         WorldView-2, GEOBIA, minera{\c{c}}{\~a}o de dados, remote 
                         sensing, high spatial resolution, WorldView-2. GEOBIA, data 
                         mining.",
             abstract = "A Terceira Gera{\c{c}}{\~a}o de Sat{\'e}lites Imageadores 
                         proporcionou a disponibiliza{\c{c}}{\~a}o de imagens orbitais 
                         com resolu{\c{c}}{\~o}es espaciais, espectrais, 
                         radiom{\'e}tricas e temporais mais detalhadas, abrindo novos 
                         caminhos para se explorar a complexidade espacial do fen{\^o}meno 
                         urbano. No entanto, a an{\'a}lise dessas imagens pelos 
                         m{\'e}todos tradicionais, que envolvem classificadores pixel a 
                         pixel e por regi{\~a}o, resultam em limita{\c{c}}{\~o}es no 
                         detalhamento de classes e consequentemente baixas acur{\'a}cias. 
                         Dessa maneira, o aumento do conte{\'u}do informativo deste novo 
                         tipo de imagens, exigiu dos usu{\'a}rios a busca por novas 
                         metodologias e ferramentas para analis{\'a}-los. A abordagem da 
                         an{\'a}lise de imagem baseada em objeto geogr{\'a}fico (GEOBIA - 
                         Geographic Object-Based Image Analysis) representou uma 
                         solu{\c{c}}{\~a}o para superar essas limita{\c{c}}{\~o}es. A 
                         GEOBIA permite simular a vis{\~a}o contextual de um 
                         int{\'e}rprete humano, atrav{\'e}s de modelos de conhecimento 
                         expressos por redes sem{\^a}nticas. A constru{\c{c}}{\~a}o de 
                         modelos de conhecimento {\'e} uma tarefa complexa, a qual exige 
                         do int{\'e}rprete o conhecimento pr{\'e}vio da cena e demanda um 
                         longo per{\'{\i}}odo para a sua realiza{\c{c}}{\~a}o. Neste 
                         sentido, t{\'e}cnicas de minera{\c{c}}{\~a}o de dados t{\^e}m 
                         sido amplamente utilizadas como ferramenta de apoio para a 
                         constru{\c{c}}{\~a}o da rede sem{\^a}ntica. Estas v{\^e}m na 
                         vanguarda das tecnologias analisar de forma eficiente bancos de 
                         dados complexos, auxiliando os cientistas nas previs{\~o}es 
                         n{\~a}o triviais. Um dos tipos de algoritmos mais utilizados na 
                         minera{\c{c}}{\~a}o de dados s{\~a}o as {\'a}rvores de 
                         decis{\~a}o. Na classifica{\c{c}}{\~a}o de imagens orbitais, 
                         estes algoritmos selecionam de forma autom{\'a}tica, dentre os 
                         atributos dispon{\'{\i}}veis, os mais adequados na 
                         caracteriza{\c{c}}{\~a}o das classes a serem discriminadas. O 
                         resultado {\'e} representado por uma {\'a}rvore de decis{\~a}o, 
                         que {\'e} um conjunto de regras aplicadas sobre os atributos 
                         dispon{\'{\i}}veis. Este conjunto de regras {\'e} 
                         posteriormente convertido em uma rede sem{\^a}ntica, presente em 
                         plataformas de GEOBIA. Este trabalho prop{\~o}e uma metodologia 
                         empregando conjuntamente abordagens cognitivas e de 
                         minera{\c{c}}{\~a}o de dados com o objetivo de analisar o 
                         desempenho dos algoritmos de {\'a}rvore de decis{\~a}o e 
                         {\'a}rvore de regress{\~a}o para a classifica{\c{c}}{\~a}o de 
                         cobertura do solo urbano. Como base para esta an{\'a}lise foi 
                         utilizada uma {\'a}rea teste do munic{\'{\i}}pio de S{\~a}o 
                         Jos{\'e} dos Campos - SP a partir de uma cena da imagem do 
                         sistema sensor {\'o}ptico de alta resolu{\c{c}}{\~a}o espacial 
                         WorldView-2. Ambos algoritmos apresentaram boas acur{\'a}cias, 
                         sendo que a acur{\'a}cia da {\'a}rvore de decis{\~a}o 
                         apresentou em m{\'e}dia valores ligeiramente maiores do que a 
                         {\'a}rvore de regress{\~a}o. Quanto aos modelos de {\'a}rvore 
                         obtidos nos experimentos, o algoritmo de {\'a}rvore de 
                         decis{\~a}o apresentou melhor capacidade de 
                         generaliza{\c{c}}{\~a}o na formula{\c{c}}{\~a}o das regras por 
                         atributo e, portanto, recorreu a um n{\'u}mero menor de atributos 
                         e gerou menores tamanhos de {\'a}rvores do que os gerados por 
                         {\'a}rvore de regress{\~a}o. As {\'a}rvores de decis{\~a}o 
                         testadas se apoiaram em mais de um programa computacional para 
                         executar suas an{\'a}lises, impondo desafios aos pesquisadores no 
                         que diz respeito a integra{\c{c}}{\~a}o de dados, convers{\~a}o 
                         de formato dos dados, o conhecimento do software a ser utilizado, 
                         al{\'e}m da replica{\c{c}}{\~a}o de arquivos. Uma vez que 
                         {\'a}rea de estudo cobre uma {\'a}rea geogr{\'a}fica reduzida e 
                         obteve um n{\'u}mero elevado de objetos, quando for utilizada uma 
                         cena completa o volume de dados pode representar uma barreira 
                         ainda maior. J{\'a} as {\'a}rvores de regress{\~a}o testadas 
                         pertencem a uma plataforma integrada de GEOBIA, beneficiando o 
                         usu{\'a}rio quanto {\`a} redu{\c{c}}{\~a}o de tempo para a 
                         realiza{\c{c}}{\~a}o de todas as etapas de an{\'a}lise de 
                         imagem. ABSTRACT: The Third Generation of Image Satellites has 
                         enabled the availability of more detailed orbital images with 
                         spatial, spectral, radiometric and temporal resolution. This opens 
                         new ways to explore the spatial complexity of the urban 
                         phenomenon. The analysis of those images through the traditional 
                         methods, which involves pixel-to-pixel and per region classifiers, 
                         results in limitations on class detail and, consequently, low 
                         accuracy. Therefore, the increase of the informative content of 
                         this new type of images has required from the users the search for 
                         new methodologies and tools to analyze them. The analysis approach 
                         of the image based on geographic object (GEOBIA Geographic 
                         Object-Based Image Analysis) represents a solution to overcome 
                         those limitations.The GEOBIA allows simulating the contextual view 
                         of a human interpreter using models of knowledge expressed by 
                         semantic networks.The construction of knowledge models is a 
                         complex task, which requires from the interpreter the previous 
                         knowledge of the scene and demands an extensive period for its 
                         realization. In this sense, data mining techniques have been 
                         widely used as a support tool for the construction of the semantic 
                         network.These come in the forefront of the technology to 
                         efficiently analyze complex databases, assisting scientists in 
                         non-trivial predictions. The decision trees are one of the most 
                         usedtypes of algorithms in data mining. In the classification of 
                         orbital images, those algorithms automatically select the most 
                         appropriate attributes to characterize the discriminated classes. 
                         The result is represented by a decision tree, which is a group of 
                         rules applied on the available attributes. This group of rules is 
                         afterwards converted in a semantic network, present in the GEOBIA 
                         platforms. The aim of this study is to analyze the performance of 
                         the algorithms of the decision tree and the regression tree to 
                         classify the urban land coverage. It proposes for that a 
                         methodology that uses jointly cognitive approaches and data 
                         mining. A test area of S{\~a}o Jos{\'e} dos Campos SP was used 
                         as the base for this analysis, which is a scene from the image of 
                         the spatial high resolution optic sensor WorldView-2.Both 
                         algorithms presented good accuracy and it is worth mentioning that 
                         the decision tree accuracy on average presented values slightly 
                         higher than the regression tree. In what regards the tree models 
                         obtained in the experiments, the decision tree algorithm showed 
                         better generalization capacity in the formulation of the rules by 
                         attribute. As a consequence, it resorted to a smaller number of 
                         attributes and generated smaller tree sizes than the ones 
                         generated by the regression tree.The tested decision trees were 
                         supported by several softwares in the execution of the analyses. 
                         This posed as a challenge to the researchers in what regards the 
                         data integration, data format conversion, knowledge of the 
                         utilized software and also file replication. Albeit this study 
                         covered a reduced geographic area, it presented a high number of 
                         objects. Therefore, it is possible to conclude that, in a complete 
                         scene, the data volume may represent a bigger barrier. On the 
                         other hand, the regression trees that were tested belong to an 
                         integrated platform of GEOBIA, which benefits the user in reducing 
                         the time spent to execute all the image analysis stages.",
            committee = "Kux, Hermann Johann Heinrich (presidente/orientador) and Almeida, 
                         Cl{\'a}udia Maria de and Korting, Thales Sehn and Nunes, 
                         Francisco Cristiane",
           copyholder = "SID/SCD",
         englishtitle = "Assessment of classifiers through decision tree and regression 
                         tree in urban areas using the WorldView-2 sensor",
             language = "pt",
                pages = "164",
                  ibi = "8JMKD3MGP3W34P/3MLSFAH",
                  url = "http://urlib.net/rep/8JMKD3MGP3W34P/3MLSFAH",
           targetfile = "publicacao.pdf",
        urlaccessdate = "24 nov. 2020"
}


Fechar