Classificação semissupervisionada de séries temporais extraídas de imagens de satélite (2016)
- Authors:
- Autor USP: AMARAL, BRUNO FERRAZ DO - ICMC
- Unidade: ICMC
- Subjects: MINERAÇÃO DE DADOS; ANÁLISE DE SÉRIES TEMPORAIS; GRAFOS ALEATÓRIOS
- Keywords: Classificação semissupervisionada; Data mining; Remote sensing; Semi-supervised classification; Sensoriamento remoto; Time series
- Language: Português
- Abstract: Nas últimas décadas, com o crescimento acelerado na geração e armazenamento de dados, houve um aumento na necessidade de criação e gerenciamento de grandes bases de dados. Logo, a utilização de técnicas de mineração de dados adequadas para descoberta de padrões e informações úteis em bases de dados é uma tarefa de interesse. Em especial, bases de séries temporais têm sido alvo de pesquisas em áreas como medicina, economia e agrometeorologia. Em mineração de dados, uma das tarefas mais exploradas é a classificação. Entretanto, é comum em bases de séries temporais, a quantidade e complexidade de dados extrapolarem a capacidade humana de análise manual dos dados, o que torna o processo de supervisão dos dados custoso. Como consequência disso, são produzidos poucos dados rotulados, em comparação a um grande volume de dados não rotulados disponíveis. Nesse cenário, uma abordagem adequada para análise desses dados é a classificação semissupervisionada, que considera dados rotulados e não rotulados para o treinamento do classificador. Nesse contexto, este trabalho de mestrado propõe 1) uma metodologia de análise de dados obtidos a partir de séries temporais de imagens de satélite (SITS) usando tarefas de mineração de dados e 2) uma técnica baseada em grafos para classificação semissupervisionada de séries temporais extraídas de imagens de satélite. A metodologia e a técnica de classificaç£o desenvolvidas são aplicadas na análise de séries temporais de índices de vegetação obtidas apartir de SITS, visando a identificação de áreas de plantio de cana-de-açucar. Os resultados obtidos em análise experimental, realizada com apoio de especialistas no domínio de aplicação, indicam que a metodologia proposta é adequada para auxiliar pesquisas em agricultura. Além disso, os resultados do estudo comparativo mostram que a técnica de classificação semissupervisionada desenvolvida supera métodos de classificação supervisionada consolidados na literatura e métodos correlatos de classificação semissupervisionada.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2016
- Data da defesa: 29.04.2016
-
ABNT
AMARAL, Bruno Ferraz do. Classificação semissupervisionada de séries temporais extraídas de imagens de satélite. 2016. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2016. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112016-105621/. Acesso em: 04 jan. 2026. -
APA
Amaral, B. F. do. (2016). Classificação semissupervisionada de séries temporais extraídas de imagens de satélite (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112016-105621/ -
NLM
Amaral BF do. Classificação semissupervisionada de séries temporais extraídas de imagens de satélite [Internet]. 2016 ;[citado 2026 jan. 04 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112016-105621/ -
Vancouver
Amaral BF do. Classificação semissupervisionada de séries temporais extraídas de imagens de satélite [Internet]. 2016 ;[citado 2026 jan. 04 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112016-105621/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
