V originále
Článek se zabývá využitím metod strojového učení pro dolování znalostí v geografických datech. Hlavní důraz je kladen na klasifikaci rastrových snímků pocházejících z dálkového průzkumu země. Byly použity družicové snímky, u kterých pro každý pixel o velikosti 30 x 30 metrů byly k dispozici hodnoty z 6 pásem spektra. Tyto snímky byly klasifikovány pomocí různých metod strojového učení, tj. pro každý pixel byl určen typ povrchu, který tento pixel obsahuje (např. les, voda, zástavba). Hlavní pozornost se soustředila na metodu rozhodovacích stromů. Výsledky této metody byly porovnány s výsledky dosaženými standardními metodami klasifikace používanými v dálkovém průzkumu Země.
In English
This paper deals with use of machine learning methods for data mining in geographical data, especially in raster images from remote sensing. Satellite images with size of pixel 30 x 30 m were used. These images contain values in 6 bands of spectrum. Different machine lerning methods were used to determine target class (e.g. forest, water) for each pixel. The results were compared to the results achieved by standard methods used in remote sensing.