Uso de algoritmos genéticos como redutor de dimensionalidade na classificaçao de imagens hiperespectrais

Detalhes bibliográficos
Ano de defesa: 2006
Autor(a) principal: Silva, Claudionor Ribeiro da
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Algorítmos genéticos
Geodésia
Link de acesso: https://hdl.handle.net/1884/4654
Resumo: Orientador: Jorge A. Silva Centeno
id UFPR_88a5302f35df9bb2c28eb03976e4f9c7
oai_identifier_str oai:acervodigital.ufpr.br:1884/4654
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Centeno, Jorge Antonio Silva, 1963-Ribeiro, Selma Regina AranhaUniversidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências GeodésicasSilva, Claudionor Ribeiro da2025-05-19T13:36:28Z2025-05-19T13:36:28Z2006https://hdl.handle.net/1884/4654Orientador: Jorge A. Silva CentenoCoorientadora: Selma R. A. RibeiroDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa: Curitiba, 2006Inclui bibliografiaResumo: A análise de imagens hiperespectrais possibilita um estudo mais detalhado sobre os objetos na superfície da terra. Devido sua alta resoluçao espectral, a tarefa de análise desses dados defronta-se com o fenômeno de Hughes. Esse fenômeno ocorre devido ao número geralmente limitado de amostras frente a alta dimensionalidade dos dados hiperespectrais. Uma das possíveis soluçoes para esse problema é a reduçao da dimensionalidade. Essa técnica de reduçao de dimensao é dividida em duas abordagens: seleçao de feiçoes e extraçao de feiçoes. A proposta desse trabalho foi o uso dos Algoritmos Genéticos como redutores de dimensionalidade de dados hiperespectrais, para fins de classificaçao. Foi realizado um estudo comparativo entre os algoritmos propostos e os tradicionais algoritmos seqüenciais: Sequential Forward Selection (SFS) e Sequential Backward Selection (SBS). Esses dois últimos algoritmos sao conhecidos pela simplicidade tanto conceitual como computacional. Uma segunda comparaçao foi realizada entre algoritmos de seleçao de feiçoes e um algoritmo do tipo extraçao de feiçoes (Análise por Componentes Principais). Nesse estudo foi analisado tanto a acurácia no processo de classificaçao como o tempo de processamento demandado por esses algoritmos. Após a reduçao da dimensionalidade, uma classificaçao foi executada. O classificador utilizado foi de máxima verossimilhança. Para julgamento da acurácia foram utilizados os índices kappa, acurácia global e a acurácia do ponto de vista do usuário. A metodologia proposta mostrou-se promissora, pois apresentou resultados, em termos de acurácia, superiores aos gerados pelos demais algoritmos estudados.Abstract: The detailed study of the objects in the earth surface makes possible by the images hyperspectral analisys. Due to high spectral resolution of data, the task of the analysis confronts with the well known Hougle's phenomenon. That phenomenon usually happens when the limited number of samples is compared to the dimensionality of the hyperspectral data. One of the possible solutions, for that problem, is the reduction of the dimensionality. This technique is divided in two approaches: feature selection and feature extraction. The proposal of that work was the use of the Genetic Algorithms as reducers of dimensionality of data hyperspectral, for classification ends. A comparative study was accomplished between the proposed algorithms and the traditional algorithms sequential: Sequential Forward Selection (SFS) and Sequential Backward Selection (SBS). Those last two algorithms are known by the simplicity so much conceptual as computational. A second comparison was accomplished between algorithms of selection of features and an algorithm of the type extraction of features (Principal Components Analysis). In that study it was analyzed the accuracy as much as in the classification process as the time of processing disputed by those algorithms. After the reduction of the dimensionality, a classification was executed. The maximum likelihood classifier was used and also the kappa index, the global accuracy and the user's point of view accuracy were used for quality judgment. The proposed methodology was shown promising, because its results, in accuracy terms, was superior to the generated by the other studied algorithms.ix, 76f. : il. algumas color., tabs.application/pdfDisponível em formato digitalAlgorítmos genéticosGeodésiaUso de algoritmos genéticos como redutor de dimensionalidade na classificaçao de imagens hiperespectraisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALdisserta_claudionor.pdfapplication/pdf1541737https://acervodigital.ufpr.br/bitstream/1884/4654/1/disserta_claudionor.pdf666684d5821186a17e14f02280eee619MD51open accessTEXTdisserta_claudionor.pdf.txtExtracted Texttext/plain141302https://acervodigital.ufpr.br/bitstream/1884/4654/2/disserta_claudionor.pdf.txt22a4e719a1ef809f8c012f00b147936eMD52open accessTHUMBNAILdisserta_claudionor.pdf.jpgGenerated Thumbnailimage/jpeg1242https://acervodigital.ufpr.br/bitstream/1884/4654/3/disserta_claudionor.pdf.jpge71045e9ee6dd528bbc9732d554f658aMD53open access1884/46542025-05-19 10:36:28.781open accessoai:acervodigital.ufpr.br:1884/4654Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082025-05-19T13:36:28Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Uso de algoritmos genéticos como redutor de dimensionalidade na classificaçao de imagens hiperespectrais
title Uso de algoritmos genéticos como redutor de dimensionalidade na classificaçao de imagens hiperespectrais
spellingShingle Uso de algoritmos genéticos como redutor de dimensionalidade na classificaçao de imagens hiperespectrais
Silva, Claudionor Ribeiro da
Algorítmos genéticos
Geodésia
title_short Uso de algoritmos genéticos como redutor de dimensionalidade na classificaçao de imagens hiperespectrais
title_full Uso de algoritmos genéticos como redutor de dimensionalidade na classificaçao de imagens hiperespectrais
title_fullStr Uso de algoritmos genéticos como redutor de dimensionalidade na classificaçao de imagens hiperespectrais
title_full_unstemmed Uso de algoritmos genéticos como redutor de dimensionalidade na classificaçao de imagens hiperespectrais
title_sort Uso de algoritmos genéticos como redutor de dimensionalidade na classificaçao de imagens hiperespectrais
author Silva, Claudionor Ribeiro da
author_facet Silva, Claudionor Ribeiro da
author_role author
dc.contributor.other.pt_BR.fl_str_mv Centeno, Jorge Antonio Silva, 1963-
Ribeiro, Selma Regina Aranha
Universidade Federal do Paraná. Setor de Ciências da Terra. Programa de Pós-Graduação em Ciências Geodésicas
dc.contributor.author.fl_str_mv Silva, Claudionor Ribeiro da
dc.subject.por.fl_str_mv Algorítmos genéticos
Geodésia
topic Algorítmos genéticos
Geodésia
description Orientador: Jorge A. Silva Centeno
publishDate 2006
dc.date.issued.fl_str_mv 2006
dc.date.accessioned.fl_str_mv 2025-05-19T13:36:28Z
dc.date.available.fl_str_mv 2025-05-19T13:36:28Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/4654
url https://hdl.handle.net/1884/4654
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv ix, 76f. : il. algumas color., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/4654/1/disserta_claudionor.pdf
https://acervodigital.ufpr.br/bitstream/1884/4654/2/disserta_claudionor.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/4654/3/disserta_claudionor.pdf.jpg
bitstream.checksum.fl_str_mv 666684d5821186a17e14f02280eee619
22a4e719a1ef809f8c012f00b147936e
e71045e9ee6dd528bbc9732d554f658a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526345825845248

Registros relacionados