Para citar este trabalho use um dos padrões abaixo:
O sensoriamento remoto por meio da classificação de imagens permite construir mapas de cobertura da terra que podem ser utilizados por diversas aplicações. Apesar da importância desses mapas não há abordagem única de classificação definida como ideal, visto que diversos fatores podem exercer influência na qualidade dos resultados. Diante disso, este trabalho foi concebido com o propósito de analisar a qualidade de duas abordagens de classificação de imagens hiperespectrais, uma baseada no mapeamento pelo ângulo espectral (SAM) e outra combinando o SAM com as máquinas de vetores de suporte (SVM). Essas estratégias de classificação foram utilizadas para construir mapas de cobertura da terra para imagens hiperespectrais pertencentes ao conjunto de dados HyRANK. O mapa produzido por meio do SAM atingiu um valor de exatidão global de 48%, enquanto que o mapa gerado por meio da abordagem combinada SAM/SVM apresentou exatidão global de 88%, o que evidencia a superioridade do método combinado.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo