RED: Razonamiento Evidencial Dinámico, aplicado a la clasificación de cultivos en imágenes hiperespectrales

Autores
Sanz, Cecilia Verónica; Jordan, Ramiro
Año de publicación
2000
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Este trabajo describe un nuevo método de clasificación (RED) basado en el razonamiento evidencial al que se le introduce una serie de modificaciones [1]. RED permite la inclusión de nueva evidencia para el proceso de clasificación y define una regla de decisión diferente. El algoritmo de razonamiento evidencial provee una forma de combinar evidencia a partir de distintas fuentes de información. Es una técnica de clasificación supervisada, que utiliza un conjunto de muestras de entrenamiento. Este método novedoso (Red) propone una etapa de aprendizaje para introducir nueva evidencia en caso que el clasificador lo requiera. Por otra parte, utiliza la medida de plausibilidad para definir la regla de decisión como una forma de incorporar la incertidumbre asociada a los datos. Se aplica el método propuesto para clasificar cultivos en imágenes hiperespectrales de la región de Nebraska (USA). Se presentan algunos resultados obtenidos para evaluar la precisión de RED.
Área: Procesamiento de Imágenes - Tratamiento de Señales - Computación Gráfica - Visualización
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
análisis hiperespectral
Clasificación
Metodología
razonamiento evidencial
clasificación de cultivo
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/23617
Acceder
id SEDICI_7bdf8fab22d55a913256516202c59c05
oai_identifier_str oai:sedici.unlp.edu.ar:10915/23617
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling RED: Razonamiento Evidencial Dinámico, aplicado a la clasificación de cultivos en imágenes hiperespectralesSanz, Cecilia VerónicaJordan, RamiroCiencias Informáticasanálisis hiperespectralClasificaciónMetodologíarazonamiento evidencialclasificación de cultivoEste trabajo describe un nuevo método de clasificación (RED) basado en el razonamiento evidencial al que se le introduce una serie de modificaciones [1]. RED permite la inclusión de nueva evidencia para el proceso de clasificación y define una regla de decisión diferente. El algoritmo de razonamiento evidencial provee una forma de combinar evidencia a partir de distintas fuentes de información. Es una técnica de clasificación supervisada, que utiliza un conjunto de muestras de entrenamiento. Este método novedoso (Red) propone una etapa de aprendizaje para introducir nueva evidencia en caso que el clasificador lo requiera. Por otra parte, utiliza la medida de plausibilidad para definir la regla de decisión como una forma de incorporar la incertidumbre asociada a los datos. Se aplica el método propuesto para clasificar cultivos en imágenes hiperespectrales de la región de Nebraska (USA). Se presentan algunos resultados obtenidos para evaluar la precisión de RED.Área: Procesamiento de Imágenes - Tratamiento de Señales - Computación Gráfica - VisualizaciónRed de Universidades con Carreras en Informática (RedUNCI)2000-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/23617spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T10:48:09Zoai:sedici.unlp.edu.ar:10915/23617Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 10:48:09.708SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv RED: Razonamiento Evidencial Dinámico, aplicado a la clasificación de cultivos en imágenes hiperespectrales
title RED: Razonamiento Evidencial Dinámico, aplicado a la clasificación de cultivos en imágenes hiperespectrales
spellingShingle RED: Razonamiento Evidencial Dinámico, aplicado a la clasificación de cultivos en imágenes hiperespectrales
Sanz, Cecilia Verónica
Ciencias Informáticas
análisis hiperespectral
Clasificación
Metodología
razonamiento evidencial
clasificación de cultivo
title_short RED: Razonamiento Evidencial Dinámico, aplicado a la clasificación de cultivos en imágenes hiperespectrales
title_full RED: Razonamiento Evidencial Dinámico, aplicado a la clasificación de cultivos en imágenes hiperespectrales
title_fullStr RED: Razonamiento Evidencial Dinámico, aplicado a la clasificación de cultivos en imágenes hiperespectrales
title_full_unstemmed RED: Razonamiento Evidencial Dinámico, aplicado a la clasificación de cultivos en imágenes hiperespectrales
title_sort RED: Razonamiento Evidencial Dinámico, aplicado a la clasificación de cultivos en imágenes hiperespectrales
dc.creator.none.fl_str_mv Sanz, Cecilia Verónica
Jordan, Ramiro
author Sanz, Cecilia Verónica
author_facet Sanz, Cecilia Verónica
Jordan, Ramiro
author_role author
author2 Jordan, Ramiro
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
análisis hiperespectral
Clasificación
Metodología
razonamiento evidencial
clasificación de cultivo
topic Ciencias Informáticas
análisis hiperespectral
Clasificación
Metodología
razonamiento evidencial
clasificación de cultivo
dc.description.none.fl_txt_mv Este trabajo describe un nuevo método de clasificación (RED) basado en el razonamiento evidencial al que se le introduce una serie de modificaciones [1]. RED permite la inclusión de nueva evidencia para el proceso de clasificación y define una regla de decisión diferente. El algoritmo de razonamiento evidencial provee una forma de combinar evidencia a partir de distintas fuentes de información. Es una técnica de clasificación supervisada, que utiliza un conjunto de muestras de entrenamiento. Este método novedoso (Red) propone una etapa de aprendizaje para introducir nueva evidencia en caso que el clasificador lo requiera. Por otra parte, utiliza la medida de plausibilidad para definir la regla de decisión como una forma de incorporar la incertidumbre asociada a los datos. Se aplica el método propuesto para clasificar cultivos en imágenes hiperespectrales de la región de Nebraska (USA). Se presentan algunos resultados obtenidos para evaluar la precisión de RED.
Área: Procesamiento de Imágenes - Tratamiento de Señales - Computación Gráfica - Visualización
Red de Universidades con Carreras en Informática (RedUNCI)
description Este trabajo describe un nuevo método de clasificación (RED) basado en el razonamiento evidencial al que se le introduce una serie de modificaciones [1]. RED permite la inclusión de nueva evidencia para el proceso de clasificación y define una regla de decisión diferente. El algoritmo de razonamiento evidencial provee una forma de combinar evidencia a partir de distintas fuentes de información. Es una técnica de clasificación supervisada, que utiliza un conjunto de muestras de entrenamiento. Este método novedoso (Red) propone una etapa de aprendizaje para introducir nueva evidencia en caso que el clasificador lo requiera. Por otra parte, utiliza la medida de plausibilidad para definir la regla de decisión como una forma de incorporar la incertidumbre asociada a los datos. Se aplica el método propuesto para clasificar cultivos en imágenes hiperespectrales de la región de Nebraska (USA). Se presentan algunos resultados obtenidos para evaluar la precisión de RED.
publishDate 2000
dc.date.none.fl_str_mv 2000-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/23617
url http://sedici.unlp.edu.ar/handle/10915/23617
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846063908853383168
score 13.22299

Publicaciones similares