POPELÍNSKÝ, Lubomír, Petr DOBROVOLNÝ a Petr KUBA. Využití metod strojového učení pro klasifikaci družicových snímků. In Sborník konference Znalosti 2001. Praha: Vysoká škola ekonomická, Praha, 2001, s. 1-6.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Využití metod strojového učení pro klasifikaci družicových snímků
Název anglicky Using machine learning methods for classification of satellite images
Autoři POPELÍNSKÝ, Lubomír, Petr DOBROVOLNÝ a Petr KUBA.
Vydání Praha, Sborník konference Znalosti 2001, s. 1-6, 2001.
Nakladatel Vysoká škola ekonomická, Praha
Další údaje
Originální jazyk čeština
Typ výsledku Stať ve sborníku
Obor 10000 1. Natural Sciences
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
Kód RIV RIV/00216224:14330/01:00005487
Organizační jednotka Fakulta informatiky
Klíčová slova anglicky classification; geomining; spatial data; satellite images; machine learning
Štítky CLASSIFICATION, geomining, machine learning, Satellite Images, spatial data
Změnil Změnil: RNDr. Petr Kuba, Ph.D., učo 3933. Změněno: 7. 2. 2002 14:30.
Anotace
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.
Anotace anglicky
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.
Návaznosti
MSM 143300003, záměrNázev: Interakce člověka s počítačem, dialogové systémy a asistivní technologie
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Interakce člověka s počítačem, dialogové systémy a asistivní technologie
VytisknoutZobrazeno: 6. 5. 2024 05:50