@MastersThesis{Leonardi:2010:AbCoMi,
               author = "Leonardi, Fernando",
                title = "Abordagens cognitivas e minera{\c{c}}{\~a}o de dados aplicadas a 
                         dados {\'o}pticos orbitais e de laser para a 
                         classifica{\c{c}}{\~a}o de cobertura do solo urbano",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2010",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2010-03-30",
             keywords = "sensoriamento remoto, an{\'a}lise orientada a objeto, 
                         minera{\c{c}}{\~a}o de dados, classifica{\c{c}}{\~a}o de 
                         imagens, abordagens cognitivas, remote sensing, object-based 
                         analisys, data mining, images classification, cognitive 
                         approaches.",
             abstract = "O estudo do ambiente urbano tem despertado grande interesse na 
                         comunidade cient{\'{\i}}fica e profissional que se utiliza do 
                         sensoriamento remoto, porque representa um desafio {\`a} 
                         investiga{\c{c}}{\~a}o de seus estudos e {\`a} complexidade de 
                         seus alvos. Embora, apresentem grande potencial para os estudos 
                         dos ambientes urbanos, as imagens de alta resolu{\c{c}}{\~a}o 
                         oferecem dificuldades {\`a} extra{\c{c}}{\~a}o autom{\'a}tica 
                         de informa{\c{c}}{\~o}es porque se caracterizam pela grande 
                         heterogeneidade espacial e espectral para um mesmo segmento, o que 
                         dificulta sobremaneira os processos de segmenta{\c{c}}{\~a}o e 
                         classifica{\c{c}}{\~a}o das mesmas. Dessa forma, novos conceitos 
                         e an{\'a}lises t{\^e}m sido usados para o mapeamento do 
                         espa{\c{c}}o urbano. A abordagem orientada a objeto e baseada em 
                         segmenta{\c{c}}{\~a}o multiresolu{\c{c}}{\~a}o tem se mostrado 
                         bastante eficiente na discrimina{\c{c}}{\~a}o de alvos urbanos 
                         em imagens de alta resolu{\c{c}}{\~a}o espacial. Uma das 
                         t{\'e}cnicas que pode auxiliar o processo de 
                         classifica{\c{c}}{\~a}o {\'e} a minera{\c{c}}{\~a}o de dados, 
                         a qual pode ser utilizada para explorar grandes conjuntos de 
                         dados, identificar e caracterizar os padr{\~o}es de interesse e 
                         assim auxiliar na descoberta da informa{\c{c}}{\~a}o. Neste 
                         contexto, este trabalho prop{\~o}e uma metodologia empregando 
                         conjuntamente abordagens cognitivas (rede sem{\^a}ntica, 
                         l{\'o}gica fuzzy, an{\'a}lise orientada a objeto) e 
                         minera{\c{c}}{\~a}o de dados (algoritmos gen{\'e}ticos e 
                         {\'a}rvores de decis{\~a}o) para a classifica{\c{c}}{\~a}o de 
                         cobertura do solo urbano a partir de dados {\'o}pticos orbitais e 
                         de laser aerotransportado. Para avaliar a efici{\^e}ncia da 
                         metodologia e garantir a acur{\'a}cia dos mapeamentos produzidos, 
                         as etapas desenvolvidas neste trabalho foram submetidas a um 
                         controle de qualidade. Os resultados foram apresentados e 
                         discutidos, indicando uma satisfat{\'o}ria acur{\'a}cia nos 
                         mapeamentos realizados, corroborando a confiabilidade da 
                         metodologia para o mapeamento de cobertura do solo em {\'a}reas 
                         urbanas. ABSTRACT: The study of the urban environment has raised 
                         great interest among researchers and practitioners involved with 
                         the use of remote sensing, in face of the challenges for its 
                         investigation and the complexity of its targets. Although they 
                         have great potential for studies of urban environments, the 
                         high-resolution images present difficulties for automatic 
                         extraction of information because they are characterized by high 
                         spatial and spectral heterogeneity for the same segment, which 
                         greatly complicates the process of segmentation and classification 
                         of them. Thus, new concepts and analyses have been used for 
                         mapping the urban space. Object-based analysis and multiresolution 
                         segmentation have been quite efficient in the discrimination of 
                         urban targets in high spatial resolution images. One technique 
                         that can assist the classification process is data mining, which 
                         can be used to explore large data sets, identify and characterize 
                         patterns of interest, and hence, support the precise extraction of 
                         useful information. In this context, this paper proposes a 
                         methodology jointly employing cognitive approaches (semantic net, 
                         fuzzy logic, object-based analysis) and data mining (genetic 
                         algorithms and decision trees) for the classification of urban 
                         land cover from optical orbital and airborne laser data. To assess 
                         the efficacy of the methodology and ensure the accuracy of the 
                         produced maps, the steps undertaken in this study were subject to 
                         quality control. The results were presented and discussed, 
                         indicating a satisfactory accuracy in the generated mapping 
                         products, demonstrating the reliability of the methodology for 
                         mapping land cover in urban areas.",
            committee = "Renn{\'o}, Camilo Daleles (presidente) and Almeida, Claudia Maria 
                         de (orientador) and Fonseca, Leila Maria Garcia (orientador) and 
                         Novo, Evlyn Marcia Le{\~a}o de Moraes and Feitosa, Raul Queiroz",
           copyholder = "SID/SCD",
         englishtitle = "Cognitive approaches and data mining applied to optical orbital 
                         and laser data for classifying urban land cover",
             language = "pt",
                pages = "162",
                  ibi = "8JMKD3MGP7W/376H8M2",
                  url = "http://urlib.net/ibi/8JMKD3MGP7W/376H8M2",
        urlaccessdate = "12 maio 2024"
}