%0 Journal Article
%4 dpi.inpe.br/plutao/2010/11.11.16.18.03
%2 dpi.inpe.br/plutao/2010/11.11.16.18.04
%@issn 1808-0251
%F lattes: 1646956319628219 2 CastroFoSant:2010:ClImPO
%T Classificação de imagens POLInSAR utilizando técnicas de mineração de dados
%D 2010
%A Castro Filho, C. A. P.,
%A Santos, João Roberto dos,
%@affiliation
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@electronicmailaddress
%@electronicmailaddress jroberto@ltid.inpe.br
%B Ambiência
%V 6
%N número especial
%P 33-44
%K mineração de dados, classificação, radar, sensoriamento remoto, data mining, classification, remote sensing, radar floresta tropical.
%X A Descoberta de Conhecimento em Bancos de Dados (Knowledge Discovery in Databases), ou KDD, objetivam gerar técnicas para análise de dados através de algoritmos de mineração. No Subprojeto Cartografia Terrestre, da Diretoria de Serviço Geográfico DSG está previsto o imageamento de uma área de aproximadamente 770.000km2 da região amazônica utilizando tecnologia de Radares de Abertura Sintética Interferométricos e Polarimétricos - POLINSAR. O objetivo deste trabalho é analisar o potencial de dados de SAR para classificação de uso do solo. Nesta análise foram utilizadas técnicas de mineração de dados identificando quais tipos de atributos são os mais adequados para discretizar as classes a serem definidas. Além dessas técnicas, foram também selecionados atributos que melhor classificaram separadamente a imagem mediante uma árvore de decisões. Os resultados obtidos indicaram que a classificação com os melhores atributos obtidos separadamente nas etapas de treinamento obtiveram melhor avaliação. Conclui-se que, apesar de os resultados terem sido melhores com o método proposto, a avaliação da classificação 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.
%@language pt
%3 santos.pdf
%O Setores de Atividade: Produção Florestal, Pesquisa e desenvolvimento científico.