Classificador Neural Híbrido para Imagens Obtidas por Sensoriamento Remoto
sensoriamento remoto, Classificador Neural Híbrido, mapas temáticos
O sensoriamento remoto é uma tecnologia de extrema importância na atualidade, permitindo a captação de dados da superfície terrestre que são utilizados com diversas finalidades, entre as quais, o acompanhamento do meio-ambiente. Uma das aplicações principais do sensoriamento remoto é a geração de mapas temáticos e posterior levantamento de áreas específicas a partir de imagens geradas por sensores orbitais ou sub-orbitais. Métodos de classificação de padrões são utilizados na implementação de rotinas computacionais que automatizem essa atividade. As redes neurais artificiais apresentam-se como métodos alternativos viáveis aos classificadores estatísticos tradicionais, apresentando, em determinadas situações, comportamento superior. Este trabalho tem como objetivo principal propor um classificador baseado nas redes neurais de função de base radial e growing neural gas e que apresenta algumas vantagens em relação à utilização individual de redes neurais. A idéia principal é utilizar as características incrementais da rede growing neural gas para otimizar o quantidade de centros da rede de função de base radial com o intuito de obter um classificador altamente eficaz. Para atestar a relevância da proposta, é apresentado um estudo de caso no qual o desempenho do classificador proposto foi superior ao do classificador bayseano por máxima verossimilhança.