Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Christovam, L. E. | - |
Autor(es): dc.creator | Pessoa, G. G. | - |
Autor(es): dc.creator | Shimabukuro, M. H. | - |
Autor(es): dc.creator | Galo, M. L.B.T. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:46:34Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:46:34Z | - |
Data de envio: dc.date.issued | 2022-04-29 | - |
Data de envio: dc.date.issued | 2022-04-29 | - |
Data de envio: dc.date.issued | 2019-06-04 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.5194/isprs-archives-XLII-2-W13-1841-2019 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/228693 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/228693 | - |
Descrição: dc.description | Land Use and Land Cover (LULC) information is an important data source for modeling environmental variables, so it is essential to develop high quality LULC maps. The hundreds of continuous spectral bands gathered with hyperspectral sensors provide high spectral detail and consequently confirm hyperspectral remote sensing as an appropriate option for many LULC applications. Despite increased spectral detail, issues like high dimensionality, huge volume of data and redundant information, mean that hyperspectral image classification is a complex task. It is therefore essential to develop classification approaches that deals with these issues. Since classification results are directly dependent on the dataset used, it is fundamental to compare and validate the classification approaches in public datasets. With this in mind, aiming to provide a baseline, four classification models in the relatively new hyperspectral HyRANK dataset were evaluated. The classification models were defined with three well-known classification algorithms: Spectral Angle Mapper (SAM), Support Vector Machine (SVM) and Random Forest (RF). A classification model with SAM and another with RF were defined with the 176 surface reflectance bands. A dimensionality reduction with principal component analysis was carried out and a classification model with SVM and another with RF were defined using 14 principal components as features. The results show that SVM and RF algorithms outperformed by far the SAM in terms of accuracy, and that the RF is slightly better than the SVM in this respect. It is also possible to see from the results that the use of principal components as features provided an improvement in the accuracy of the RF and an improvement of 28% in the time spent fitting the classification model. | - |
Descrição: dc.description | Graduate Program in Cartographic Sciences São Paulo State University | - |
Descrição: dc.description | Dept. of Mathematics and Computer Sciences São Paulo State University | - |
Descrição: dc.description | Dept. of Cartography São Paulo State University | - |
Descrição: dc.description | Graduate Program in Cartographic Sciences São Paulo State University | - |
Descrição: dc.description | Dept. of Mathematics and Computer Sciences São Paulo State University | - |
Descrição: dc.description | Dept. of Cartography São Paulo State University | - |
Formato: dc.format | 1841-1847 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Hyperspectral Classification | - |
Palavras-chave: dc.subject | HyRANK dataset | - |
Palavras-chave: dc.subject | LULC | - |
Palavras-chave: dc.subject | RF | - |
Palavras-chave: dc.subject | SAM | - |
Palavras-chave: dc.subject | SVM | - |
Título: dc.title | Land use and land cover classification using hyperspectral imagery: Evaluating the performance of spectral angle mapper, support vector machine and random forest | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: