@Article{CastroFoSant:2010:ClImPO,
author = "Castro Filho, C. A. P. and Santos, Jo{\~a}o Roberto dos",
affiliation = "{} and {Instituto Nacional de Pesquisas Espaciais (INPE)}",
title = "Classifica{\c{c}}{\~a}o de imagens POLInSAR utilizando
t{\'e}cnicas de minera{\c{c}}{\~a}o de dados",
journal = "Ambi{\^e}ncia",
year = "2010",
volume = "6",
number = "n{\'u}mero especial",
pages = "33--44",
note = "Setores de Atividade: Produ{\c{c}}{\~a}o Florestal, Pesquisa e
desenvolvimento cient{\'{\i}}fico.",
keywords = "minera{\c{c}}{\~a}o de dados, classifica{\c{c}}{\~a}o, radar,
sensoriamento remoto, data mining, classification, remote sensing,
radar floresta tropical.",
abstract = "A Descoberta de Conhecimento em Bancos de Dados (Knowledge
Discovery in Databases), ou KDD, objetivam gerar t{\'e}cnicas
para an{\'a}lise de dados atrav{\'e}s de algoritmos de
minera{\c{c}}{\~a}o. No Subprojeto Cartografia Terrestre, da
Diretoria de Servi{\c{c}}o Geogr{\'a}fico DSG est{\'a} previsto
o imageamento de uma {\'a}rea de aproximadamente 770.000km2 da
regi{\~a}o amaz{\^o}nica utilizando tecnologia de Radares de
Abertura Sint{\'e}tica Interferom{\'e}tricos e
Polarim{\'e}tricos - POLINSAR. O objetivo deste trabalho {\'e}
analisar o potencial de dados de SAR para
classifica{\c{c}}{\~a}o de uso do solo. Nesta an{\'a}lise foram
utilizadas t{\'e}cnicas de minera{\c{c}}{\~a}o de dados
identificando quais tipos de atributos s{\~a}o os mais adequados
para discretizar as classes a serem definidas. Al{\'e}m dessas
t{\'e}cnicas, foram tamb{\'e}m selecionados atributos que melhor
classificaram separadamente a imagem mediante uma {\'a}rvore de
decis{\~o}es. Os resultados obtidos indicaram que a
classifica{\c{c}}{\~a}o com os melhores atributos obtidos
separadamente nas etapas de treinamento obtiveram melhor
avalia{\c{c}}{\~a}o. Conclui-se que, apesar de os resultados
terem sido melhores com o m{\'e}todo proposto, a
avalia{\c{c}}{\~a}o da classifica{\c{c}}{\~a}o com os
atributos selecionados automaticamente se aproximou bastante.
Abstract Knowledge Discovery in Databases KDD is intended to
generate new techniques to analyze data through data mining
algorithms. In the Brazilian Terrestrial Cartography Subproject,
also known as Amazon Radiography, from Geographic Service of
Brazilian Army (DSG), is expected the imagery of an area of
approximately Synthetic Aperture Radar POLINSAR technology. The
aim of this study is to examine the potential of SAR data for land
use classification. Data mining techniques were used to identify
the features that best discriminate the classes. In addition to
these techniques, features that best separately classified the
image separately through a great variety of using decision tree
were also selected options. The results indicates that the best
classification with best features which were obtained separately
in the training sections got better evaluation. We conclude that
although the results were better with the proposed method, the
evaluation of the classification with the automatically selected
attributes automatically were very close.",
issn = "1808-0251",
label = "lattes: 1646956319628219 2 CastroFoSant:2010:ClImPO",
language = "pt",
targetfile = "santos.pdf",
urlaccessdate = "12 maio 2024"
}