@InProceedings{ParreiraDutrPant:2014:EsCoCl,
               author = "Parreira, Michelle de Oliveira and Dutra, Luciano Vieira and 
                         Pantale{\~a}o, Eliana",
                title = "Um estudo de combina{\c{c}}{\~a}o de classifica{\c{c}}{\~o}es 
                         de imagens de sensoriamento remoto utilizando pares de classes",
            booktitle = "Resumos...",
                 year = "2014",
               editor = "Santiago J{\'u}nior, Valdivino Alexandre de and Ferreira, Karine 
                         Reis",
         organization = "Workshop dos Cursos de Computa{\c{c}}{\~a}o Aplicada do INPE, 
                         14. (WORCAP).",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             keywords = "combina{\c{c}}{\~a}o de classifica{\c{c}}{\~o}es, par de 
                         classes, sensoriamento remoto.",
             abstract = "Os procedimentos tradicionais de classifica{\c{c}}{\~a}o de 
                         imagens em sensoriamento remoto utilizam o conceito de 
                         classifica{\c{c}}{\~a}o competitiva. Escolhe-se a 
                         classifica{\c{c}}{\~a}o com melhores resultados dentre as 
                         m{\'e}tricas avaliadas. O problema desse procedimento {\'e} a 
                         perda de informa{\c{c}}{\~a}o para alguma classe ao escolher 
                         apenas um classificador, pois cada classificador gera erro 
                         amostral diferente. Este trabalho apresenta a primeira parte do 
                         desenvolvimento de um novo Sistema Classificador, denominado 
                         Parreira. Ele combina os resultados de classificadores a fim de 
                         analisar a discriminabilidade de pares de classes. A partir de uma 
                         imagem, um conjunto de classes e suas ROIs de treino, o sistema 
                         gera todas as poss{\'{\i}}veis combina{\c{c}}{\~o}es de pares 
                         das classes. Atrav{\'e}s da dist{\^a}ncia JM, seleciona os 
                         tr{\^e}s atributos que permitem maior discriminalidade entre cada 
                         par de classes e realiza a classifica{\c{c}}{\~a}o de cada par. 
                         Nesta pesquisa, foi utilizado para teste apenas o classificador 
                         por M{\'a}xima Verossimilhan{\c{c}}a, em {\'u}nico 
                         n{\'{\i}}vel hier{\'a}rquico. A classifica{\c{c}}{\~a}o 
                         resultante {\'e} feita tomando as classes que mais vezes foram 
                         identificadas pelo classificador dentro dos subconjuntos de pares 
                         de classes. As classifica{\c{c}}{\~o}es por par de classes 
                         apresentaram melhor separabilidade em rela{\c{c}}{\~a}o a uma 
                         classifica{\c{c}}{\~a}o com todas as classes ao mesmo tempo. 
                         Ainda ser{\'a} estudado se este resultado {\'e} v{\'a}lido ou 
                         representa a impossibilidade de classificar corretamente os pixels 
                         pertencentes {\`a}s classes n{\~a}o envolvidas no par da 
                         classifica{\c{c}}{\~a}o.",
  conference-location = "S{\~a}o Jos{\'e} dos Campos",
      conference-year = "12-13 nov. 2014",
             language = "pt",
         organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                  ibi = "8JMKD3MGP8W/3HBQPKS",
                  url = "http://urlib.net/ibi/8JMKD3MGP8W/3HBQPKS",
           targetfile = "worcap2014_submission_33.pdf",
        urlaccessdate = "13 maio 2024"
}