Thiago Broerman Cazes Interpretação Baseada ... - NIMA - PUC-Rio
Thiago Broerman Cazes Interpretação Baseada ... - NIMA - PUC-Rio
Thiago Broerman Cazes Interpretação Baseada ... - NIMA - PUC-Rio
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
69<br />
também 50 padrões por classe para a validação. O demais padrões formaram o conjunto<br />
de teste..<br />
O classificador baseado em redes neurais foi configurado com 10 neurônios na<br />
camada oculta todos configurados com funções de transferência tangente hiperbólica. .<br />
Na camada de entrada tem-se 7 entradas relativas às quatro respostas espectrais e três<br />
parâmetros de textura selecionados. Já na camada de saída tem-se 8 neurônios que<br />
representam cada um uma das classes da legenda configurados com funções de<br />
transferência logarítmica. O algoritmo de treinamento utilizado atualiza os pesos e os<br />
valores dos bias da rede de acordo com o gradiente descendente por retropropagação,<br />
utilizando momento e uma taxa de aprendizado adaptativa.<br />
Inicialmente a taxa de aprendizado foi configurada com o valor de 0,01 e o<br />
treinamento e executado durante 1000 épocas no máximo.<br />
5.2.2<br />
Resultados<br />
Erro de omissão por classe<br />
100,00%<br />
90,00%<br />
80,00%<br />
70,00%<br />
60,00%<br />
50,00%<br />
40,00%<br />
30,00%<br />
20,00%<br />
10,00%<br />
0,00%<br />
Agua<br />
Campo<br />
Alagado<br />
Campo<br />
Floresta<br />
Urbana<br />
Floresta Urbano Rocha<br />
Campo<br />
Urbano<br />
Media<br />
Erro % 40,00% 52,50% 88,05% 66,67% 36,67% 29,75% 79,12% 94,16% 60,86%<br />
Gráfico 1 – Taxa de erro médio de omissão por classe após a classificação supervisionada com<br />
atributos espectrais e textura.<br />
Os resultados do classificador supervisionado baseado em redes neurais<br />
artificiais mostram um baixo desempenho na classificação de áreas de Rocha, Campo e<br />
Campo Urbano principalmente. Esse fato pode ser justificado devido à real confusão<br />
espectral e em termos de textura dessas classes. Na verdade a classe Campo Urbano não