Fechar

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m16b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador6qtX3pFwXQZGivnK2Y/UGr4M
Repositóriosid.inpe.br/mtc-m17@80/2008/07.08.13.25
Última Atualização2015:06.10.17.42.09 (UTC) marciana
Repositório de Metadadossid.inpe.br/mtc-m17@80/2008/07.08.13.25.40
Última Atualização dos Metadados2021:03.03.22.49.24 (UTC) administrator
Chave SecundáriaINPE--PRE/
ISSN0560-4613
1808-0936
Chave de CitaçãoTodtRubSilForShi:2006:ClAdRe
TítuloClassificador adaptativo para o reconhecimento de alvos em imagens CCD/CBERS
Ano2006
Mêsdez.
Data de Acesso12 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PN
Número de Arquivos1
Tamanho249 KiB
2. Contextualização
Autor1 Todt, Viviane
2 Rubert, Cléber
3 Silva, José Demísio Simões da
4 Formaggio, Antonio Roberto
5 Shimabukuro, Yosio Edemir
Grupo1 DSR-INPE-MCT-BR
2 DSR-INPE-MCT-BR
3 LAC-INPE-MCT-BR
4 DSR-INPE-MCT-BR
5 DSR-INPE-MCT-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Instituto Nacional de Pesquisas Espaciais (INPE)
5 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 viviane@ltid.inpe.br
2 cleber@dpi.inpe.br
3 demisio@lac.inpe.br
4 formag@ltid.inpe.br
5 yosio@ltid.inpe.br
Endereço de e-Mailvalerian@dsr.inpe.br
RevistaRevista Brasileira de Cartografia
Volume58
Número3
Páginas293-303
Histórico (UTC)2008-07-08 13:28:14 :: marciana -> administrator ::
2014-07-13 21:28:26 :: administrator -> marciana :: 2006
2015-06-10 17:42:11 :: marciana -> administrator :: 2006
2021-03-03 22:49:24 :: administrator -> marciana :: 2006
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveRedes Neurais Artificiais
sensor CCD
satélite CBERS
Araucaria angustifolia
Artificial Neural Nets
CCD sensor
CBERS satellite
Araucaria angustifolia
ResumoEste trabalho apresenta um classificador neural integrado que visa aumentar a acurácia no reconhecimento de diferentes feições em imagens do sensor CCD/CBERS. Entre essas feições encontram-se capões nativos e áreas de reflorestamento de Araucaria angustifolia localizados dentro e aos arredores da Floresta Nacional de São Francisco de Paula. Essa FLONA é considerada a unidade de conservação mais antiga do estado do Rio Grande do Sul, Brasil. O classificador neural proposto é dito integrado pelo fato de ser constituído por três modelos de redes neurais agrupados através de duas abordagens distintas de integração: abordagem 2/3 e abordagem pelo critério da credibilidade. Os classificadores neurais utilizados foram: Perceptron de Múltiplas Camadas com Retropropagação de Erros, Quantização Vetorial por Aprendizagem e Rede de Função de Base Radial. Os experimentos desenvolvidos mostram que o modelo neural integrado, pelo critério de credibilidade, contribui para aumentar a acurácia na identificação de feições, mostrando-se promissor para outras aplicações, tais como o monitoramento em tempo real de alvos da superfície terrestre. ABSTRACT: This work presents an integrated neural classifier aiming to increase the accuracy in the recognition of different features inside CCD/CBERS images. Among these features there are native capons and areas of reforestation of Araucaria angustifolia located in the interior and in the proximities of the Sao Francisco de Paula National Forest. This forest is considered the older conservation unit from Rio Grande do Sul state, Brazil. The considered neural classifiers are said integrated because they are constituted of three models of neural nets grouped in two distinct approaches of integration: a) the two-third approach, and b) the credibility criterion approach. The used neural classifiers were: Multi-layer Perceptron, Learning Vector Quantization, and Radial Basis Function. The developed experiments showed that the integrated neural model using the credibility criterion approach contributes for increasing the accuracy in the identification of features, revealing promising for other applications, such as the monitoring in real time of the terrestrial surface.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Classificador adaptativo para...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Classificador adaptativo para...
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://mtc-m16b.sid.inpe.br/ibi/6qtX3pFwXQZGivnK2Y/UGr4M
URL dos dados zipadoshttp://mtc-m16b.sid.inpe.br/zip/6qtX3pFwXQZGivnK2Y/UGr4M
Idiomapt
Arquivo Alvotodt_classificador.pdf
Grupo de Usuáriosmarciana
myrian
marciana
administrator
Grupo de Leitoresadministrator
marciana
Visibilidadeshown
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/3ESGTTP
DivulgaçãoPORTALCAPES
Acervo Hospedeirolcp.inpe.br/ignes/2004/02.12.18.39
cptec.inpe.br/walmeida/2003/04.25.17.12
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel doi format isbn label lineage mark mirrorrepository nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readpermission resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url
7. Controle da descrição
e-Mail (login)marciana
atualizar 


Fechar