Fechar

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
IdentificadorJ8LNKAN8RW/3AFLCQE
Repositóriodpi.inpe.br/plutao/2011/09.22.18.57.48
Última Atualização2012:01.30.13.10.56 (UTC) secretaria.cpa@dir.inpe.br
Repositório de Metadadosdpi.inpe.br/plutao/2011/09.22.18.57.49
Última Atualização dos Metadados2018:06.05.00.01.29 (UTC) administrator
DOI10.1109/IGARSS.2011.6049831
ISBN978-1-4577-1003-2
ISSN2153-6996
Rótulolattes: 8201805132981288 1 NegriSantDutr:2011:SeReSe
Chave de CitaçãoNegriSantDutr:2011:SeReSe
TítuloSemi-supervised Remote Sensing Image Classification Methods Assessment
FormatoDVD
Ano2011
Data de Acesso17 maio 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho1731 KiB
2. Contextualização
Autor1 Negri, Rogério Galante
2 Sant'Anna, Sidinei João Siqueira
3 Dutra, Luciano Vieira
Grupo1 DPI-OBT-INPE-MCT-BR
2 DPI-OBT-INPE-MCT-BR
3 DPI-OBT-INPE-MCT-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 rogerio@dpi.inpe.br
Endereço de e-Mailrogerio@dpi.inpe.br
Nome do EventoIEEE International Geoscience and Remote Sensing Symposium, (IGARSS).
Localização do EventoVancouver
Data24-29 July
Páginas2939 - 2942
Título do LivroProceedings
Tipo TerciárioPaper
Histórico (UTC)2011-09-23 14:11:20 :: lattes -> secretaria.cpa@dir.inpe.br :: 2011
2012-01-30 13:10:56 :: secretaria.cpa@dir.inpe.br -> administrator :: 2011
2018-06-05 00:01:29 :: administrator -> marciana :: 2011
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Palavras-ChaveImage classification
semisupervised learning
Simulation
ResumoSupervised and unsupervised learning are two well disseminated and discussed paradigms which define how image classification techniques extract knowledge about the data. A recent learning paradigm, called semi-supervised, comes to solve some limitations of supervised learning, as the amount of information needed to conduce an appropriated learning process. Different models of semi-supervised learning have been proposed in literature, which ones basically explore statistical or clustering data proprieties. This work presents a simulation study on the performance of some semi-supervised learning models, applied in image classification methods.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Semi-supervised Remote Sensing...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/J8LNKAN8RW/3AFLCQE
URL dos dados zipadoshttp://urlib.net/zip/J8LNKAN8RW/3AFLCQE
Idiomaen
Arquivo Alvov15n5a08.pdf
Grupo de Usuárioslattes
secretaria.cpa@dir.inpe.br
Visibilidadeshown
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
DivulgaçãoIEEEXplore
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel edition editor lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readergroup resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url versiontype volume
7. Controle da descrição
e-Mail (login)marciana
atualizar 


Fechar