bubok.es utiliza cookies propias y de terceros para mejorar nuestros servicios y a recordar sus preferencias mediante el análisis de sus hábitos de navegación. Ver política de privacidad. OK
Buscar en Bubok

Aplicación de los sitemas neurodifusos a la interpretación automática de imágenes de satélite

de José Antonio Piedra Fernández
  • Autor: José Antonio Piedra Fernández
  • N° de páginas: 391
  • Tamaño: 120x140
  • Formato: CD ROM
  • isbn: 9788482407845
  • Idioma: español
  • visitas: 2
El gran auge de la teledetecci³n unido al lanzamiento de diferentes sat©lites en los ºltimos tiempos ha potenciado el desarrollo de nuevas t©cnicas en el procesamiento digital de im¡genes [Lillesand y Kiefer, 1994] [Chuvieco, 96]. La teledetecci³n permite tener una observaci³n remota de la superficie terrestre, lo que ayuda al estudio y conocimiento de fen³menos mesoescalares. La l­nea deinvestigaci³n en Teledetecci³n de los Oc©anos fue iniciada por el profesor Dr. D. Manuel Cant³n Garb­n a finales de los a±os 80, siendo sus estudios de investigaci³n pioneros en Espa±a. Nuestro marco se centra en el reconocimiento de estructuras oce¡nicas en la cuenca de las Islas Canarias.La zona bajo estudio abarca la regi³n comprendida entre los 20º y 40º N y los 9º y 19º O, incluyendo el Archipi©lago Canario y la costa norte de frica. La situaci³n geogr¡fica de las Islas Canarias entre la plataforma continental y el oc©ano hace que esta regi³n se encuentre sujeta a influencias de distinta naturaleza que generan caracter­sticas oceanogr¡ficas tales como: el afloramiento costero del noroeste de frica, los remolinos mesoescalares procedentes del Mediterr¡neo(dando lugar a los giros fr­os y c¡lidos) y la corriente de Canarias que fluye hacia el Ecuador a trav©s del archipi©lago Canario (dando lugar a estelas en las diferentes islas) [Tejera, 1996][Garc­a, 1998].El estudio se basa en la informaci³n extra­da del oc©ano Atl¡ntico en el archipi©lago canario y afloramiento canario-saharanio mediante im¡genes del sensor Advanced Very High Resolution Radiometer (AVHRR), que proporcionan mapas de temperatura de la superficie del mar (SST – Sea Surface Temperature).El reconocimiento de patrones se divide en una serie de etapas:adquisici³n de datos, extracci³n de caracter­sticas y clasificaci³n. En la primera etapa nuestro trabajo obtiene dos tipos de datos de partida: simb³licos (HLKPs) y num©ricos (a partir de las segmentaciones obtenidas por SEG). Uno de los objetivos alcanzados en esta fase en nuestro trabajo ha sido la propuesta de un nuevo conjunto de descriptores basados en momentos invariantes. Estenuevo conjunto de momentos invariantes se basa en los propuestos con anterioridad por otros autores, como [Hu, 1962], [Maitra, 1979], [Teague, 1980] y [Cant³n, 1982], mediante la utilizaci³n de t©cnicas clustering jerarquizadas [Lozano, 1998]. La principal caracter­stica de los nuevos invariantes es su mejora a la hora de representar los objetos con un car¡cter m¡s invariante y su facilidad de c³mputo.La siguiente etapa en el reconocimiento de patrones es la selecci³n de caracter­sticas relevantes. Hemos desarrollado una metodolog­a de selecci³n y validaci³n de caracter­sticas. Esta metodolog­a establece la integraci³n de dos m©todos: t©cnicas filtro (filter) y las redes bayesianas. Las t©cnicas filter utilizan funciones de evaluaci³n de tipo filtro para la bºsqueda de caracter­sticas en un subespacio del dominio, destacando CFS (Correlation – Based Filter Selection) [Halland Smith, 1997] como aquella que mejores resultados ha obtenido.Un aspecto importante del aprendizaje es obtener un modelo que represente el dominio de conocimiento y que sea accesible para el usuario. Una representaci³n del conocimiento que es capaz de capturar esta informaci³n sobre las dependencias entre las variables son las redes bayesianas (la segunda t©cnica empleada en esta metodolog­a). Dichas dependencias simplifican la representaci³n del conocimiento (menos par¡metros) y el razonamiento (propagaci³n de las probabilidades).La ºltima etapa en el reconocimiento de patrones es la clasificaci³n.Al igual que en la etapa anterior me gustar­a, ya que nuestro estudio versa sobre los sistemas h­bridos neurodifusos, introducir el concepto de computaci³n suave (Soft Computing) [Zadeh, 1994] [Bonissone, 1997]. Este concepto es una metodolog­a nueva que pretende integrar otras tecnolog­as, donde cada una de ellas contribuir¡ con lo mejor en su dominio para la resoluci³n de un problema espec­fico. La esencia de la computaci³n suave es que a diferencia de las t©cnicastradicionales (Hard Computing), es capaz de adaptarse, tolerar y explotar la imprecisi³n, incertidumbre, y verdades parciales que tienen la mayor­a de los problemas del mundo real. Generalmente utiliza la l³gica difusa, redes neuronales, razonamiento probabil­stico y algoritmos gen©ticos, pero es capaz de trabajar con cualquier otra t©cnica.El prop³sito de la etapa de clasificaci³n es la aplicaci³n de los sistemas h­bridos inteligentes (donde cada una de las t©cnicas referenciadas contribuye con una metodolog­a distintiva para manejar problemas en su dominio), concretamente los sistemas h­bridos neurodifusos, ya que actualmente aportan muy buenos resultados y se est¡n empezando a utilizar en Teledetecci³n [Acharyya, 2003].Los sistemas h­bridos neurodifusos combinan las ventajas de las redes neuronales y de la l³gica difusa, logrando obtener un sistema m¡s robusto (consistencia de las reglas), confiable y flexible (adaptaci³n del conocimiento), as­ como una mayor potencia de aprendizaje y aproximaci³n (desde el punto de vista sem¡ntico) al mundo real. Existen diversos sistemas neurodifusos. Para nuestroestudio se ha seleccionado un subconjunto con diferentes arquitecturas y modos de aprendizaje: ANFIS, NEFCLASS, NEFPROX, RBF-SUGENO (sistema h­brido: una red neuronal de funci³n de base radial y un sistema difuso de tipo sugeno) y FLNMAP (red neuronal de dos capas basada en ret­culos difusos). Este ºltimo se puede ver como una generalizaci³n de los anteriores, ya que en la extracci³n delas reglas difusas se definen los ret­culos asociados a cada caracter­stica.El principal problema se plantea en la bºsqueda de un equilibrio entre la tasa de aciertos en la clasificaci³n y la comprensibilidad del sistema neurodifuso. La aplicaci³n de la metodolog­a de selecci³n y validaci³n de caracter­sticas ha permitido optimizar la construcci³n de los sistemas neurodifusos. Adem¡s, se ha propuesto desde el punto de vista de la comprensibilidad, la inclusi³n de t©cnicas basadas en ret­culos difusos como un mecanismo de generalizaci³n de reglasdifusas [Kaburlasos y Petridis, 2000]. Las reglas difusas extra­das por los clasificadores neurodifusos pueden ser reducidas a una representaci³n m¡s simplificada mediante los ret­culos difusos.Por ºltimo, se ha realizado un an¡lisis comparativo con los m©todos comºnmente utilizados en clasificaci³n como son redes neuronales, ¡rboles de decisi³n, t©cnicas de clustering, frente a los sistemas neurodifusos, haciendo especial ©nfasis no s³lo en la tasa de aciertos obtenida por el clasificador sino en la comprensibilidad de los sistemas obtenidos.Concluyendo, en este trabajo se han abordado las etapas de un sistema de reconocimiento de patrones mediante diferentes metodolog­as. Por un lado, se destaca la propuesta de nuevos momentos invariantes aportando informaci³n relevante al dominio de estudio. Por otro lado, la metodolog­a de selecci³n y validaci³n de caracter­sticas ha posibilitado la optimizaci³n de los clasificadores yha permitido comprender el conocimiento existente en una base de datos, as­ como intentar comprender qu© criterios son necesarios para mejorarlo. Por ºltimo, se han construido clasificadores neurodifusos que han mejorado la eficiencia y la potencia de razonamiento de los sistemas utilizados actualmente, mejorando la calidad de los resultados obtenidos (desde el punto de vista de lacomprensibilidad). Esto se ha apoyado con un estudio comparativo sobre sistemas tradicionales como los ¡rboles de decisi³n y las t©cnicas clustering entre otros.
...[Leer más]
ESTE LIBRO NO SE ENCUENTRA DISPONIBLE. PUEDES VER MÁS ABAJO OTROS LIBROS DE TEMÁTICA SIMILAR QUE PUEDEN INTERESARTE.
Los clientes que compraron este libro también compraron

La librería Bubok cuenta con más de 70.000 títulos publicados. ¿Todavía no encuentras el tuyo? Aquí te presentamos algunas lecturas recomendadas basándonos en las valoraciones de lectores que compraron este mismo libro.
¿No es lo que buscabas? Descubre toda nuestra selección en la librería: ebooks, publicaciones en papel, de descarga gratuita, de temáticas especializadas... ¡Feliz lectura!

Bubok es una editorial que brinda a cualquier autor las herramientas y servicios necesarios para editar sus obras, publicarlas y venderlas en más de siete países, tanto en formato digital como en papel, con tiradas a partir de un solo ejemplar. Los acuerdos de Bubok permiten vender este catálogo en cientos de plataformas digitales y librerías físicas.
Si quieres descubrir las posibilidades de edición y publicación para tu libro, ponte en contacto con nosotros a través de este formulario y comenzaremos a dar forma a tu proyecto.

¿Quieres que te informemos de cómo publicar tu obra? Déjanos tu teléfono y te llamamos sin compromiso.

Introduce el nombre

Introduce el teléfono

Introduce el E-mail

Introduce un email válido

Escoge el estado del manuscrito

Gracias por contactar con Bubok, su mensaje ha sido enviado con éxito. Una persona de nuestro departamento de asesoría al cliente se pondrá en contacto contigo a la mayor brevedad.
Enviar