Comparação da discriminação logística com o método da máxima verossimilhança gaussiana na classificação de imagens digitais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2001 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/5576 |
Resumo: | A tradicional técnica de regressão logística, muito conhecida e utilizada em estudos médicos, permitia apenas a modelagem de variáveis-resposta binárias. A extensão do modelo logístico para variáveis-resposta multinominais ampliou em muito as áreas de aplicação de regressão logística. Na área de reconhecimento de padrões o modelo logístico multinominal recebeu a denominação de discriminação logística apresenta aparentes vantagens em relação a métodos convencionais de classificação. O método da máxima verossimilhança gaussiana, amplamente difundido e utilizado, necessita da estimação de um número muito grande de parâmetros, pois supõe que as distribuições subjacentes de cada classe sejam normais multivariadas. A discriminação logística por sua vez, não faz restrições quanto a forma funcional das variáveis, e o número de parâmetros do modelo é relativamente pequeno. Nesse estudo, os princípios da técnica de discriminação logística são apresentados detalhadamente, bem como aplicações práticas de classificação de imagens Landsat-TM e AVIRIS. Os procedimentos de discriminação logística e da máxima verossimilhança gaussiana foram comparados a partir de dados reais e simulados. Os resultados sugerem que a discriminação logística seja considerada como uma alternativa ao método da máximaverossimilhança gaussiana, principalmente quando os dados apresentarem desvios da normalidade. |
id |
URGS_c1c4ecd6ea80b88e0f489cc6f0afa939 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/5576 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Bittencourt, Helio RadkeClarke, Robin Thomas2007-06-06T18:48:20Z2001http://hdl.handle.net/10183/5576000516988A tradicional técnica de regressão logística, muito conhecida e utilizada em estudos médicos, permitia apenas a modelagem de variáveis-resposta binárias. A extensão do modelo logístico para variáveis-resposta multinominais ampliou em muito as áreas de aplicação de regressão logística. Na área de reconhecimento de padrões o modelo logístico multinominal recebeu a denominação de discriminação logística apresenta aparentes vantagens em relação a métodos convencionais de classificação. O método da máxima verossimilhança gaussiana, amplamente difundido e utilizado, necessita da estimação de um número muito grande de parâmetros, pois supõe que as distribuições subjacentes de cada classe sejam normais multivariadas. A discriminação logística por sua vez, não faz restrições quanto a forma funcional das variáveis, e o número de parâmetros do modelo é relativamente pequeno. Nesse estudo, os princípios da técnica de discriminação logística são apresentados detalhadamente, bem como aplicações práticas de classificação de imagens Landsat-TM e AVIRIS. Os procedimentos de discriminação logística e da máxima verossimilhança gaussiana foram comparados a partir de dados reais e simulados. Os resultados sugerem que a discriminação logística seja considerada como uma alternativa ao método da máximaverossimilhança gaussiana, principalmente quando os dados apresentarem desvios da normalidade.application/pdfporSensoriamento remotoComparação da discriminação logística com o método da máxima verossimilhança gaussiana na classificação de imagens digitaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulCentro Estadual de Pesquisas em Sensoriamento Remoto e MeteorologiaPrograma de Pós-Graduação em Sensoriamento RemotoPorto Alegre, BR-RS2001mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000516988.pdf000516988.pdfTexto completoapplication/pdf1238883http://www.lume.ufrgs.br/bitstream/10183/5576/1/000516988.pdf2844d3b04760e8b2cb35750d0661acdcMD51TEXT000516988.pdf.txt000516988.pdf.txtExtracted Texttext/plain82181http://www.lume.ufrgs.br/bitstream/10183/5576/2/000516988.pdf.txtbac25876ffcb4ca6f2b07ded4734fc27MD52THUMBNAIL000516988.pdf.jpg000516988.pdf.jpgGenerated Thumbnailimage/jpeg1277http://www.lume.ufrgs.br/bitstream/10183/5576/3/000516988.pdf.jpg1eef00a58dea938769e52e557beb8fe6MD5310183/55762018-10-15 09:14:55.243oai:www.lume.ufrgs.br:10183/5576Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-15T12:14:55Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Comparação da discriminação logística com o método da máxima verossimilhança gaussiana na classificação de imagens digitais |
title |
Comparação da discriminação logística com o método da máxima verossimilhança gaussiana na classificação de imagens digitais |
spellingShingle |
Comparação da discriminação logística com o método da máxima verossimilhança gaussiana na classificação de imagens digitais Bittencourt, Helio Radke Sensoriamento remoto |
title_short |
Comparação da discriminação logística com o método da máxima verossimilhança gaussiana na classificação de imagens digitais |
title_full |
Comparação da discriminação logística com o método da máxima verossimilhança gaussiana na classificação de imagens digitais |
title_fullStr |
Comparação da discriminação logística com o método da máxima verossimilhança gaussiana na classificação de imagens digitais |
title_full_unstemmed |
Comparação da discriminação logística com o método da máxima verossimilhança gaussiana na classificação de imagens digitais |
title_sort |
Comparação da discriminação logística com o método da máxima verossimilhança gaussiana na classificação de imagens digitais |
author |
Bittencourt, Helio Radke |
author_facet |
Bittencourt, Helio Radke |
author_role |
author |
dc.contributor.author.fl_str_mv |
Bittencourt, Helio Radke |
dc.contributor.advisor1.fl_str_mv |
Clarke, Robin Thomas |
contributor_str_mv |
Clarke, Robin Thomas |
dc.subject.por.fl_str_mv |
Sensoriamento remoto |
topic |
Sensoriamento remoto |
description |
A tradicional técnica de regressão logística, muito conhecida e utilizada em estudos médicos, permitia apenas a modelagem de variáveis-resposta binárias. A extensão do modelo logístico para variáveis-resposta multinominais ampliou em muito as áreas de aplicação de regressão logística. Na área de reconhecimento de padrões o modelo logístico multinominal recebeu a denominação de discriminação logística apresenta aparentes vantagens em relação a métodos convencionais de classificação. O método da máxima verossimilhança gaussiana, amplamente difundido e utilizado, necessita da estimação de um número muito grande de parâmetros, pois supõe que as distribuições subjacentes de cada classe sejam normais multivariadas. A discriminação logística por sua vez, não faz restrições quanto a forma funcional das variáveis, e o número de parâmetros do modelo é relativamente pequeno. Nesse estudo, os princípios da técnica de discriminação logística são apresentados detalhadamente, bem como aplicações práticas de classificação de imagens Landsat-TM e AVIRIS. Os procedimentos de discriminação logística e da máxima verossimilhança gaussiana foram comparados a partir de dados reais e simulados. Os resultados sugerem que a discriminação logística seja considerada como uma alternativa ao método da máximaverossimilhança gaussiana, principalmente quando os dados apresentarem desvios da normalidade. |
publishDate |
2001 |
dc.date.issued.fl_str_mv |
2001 |
dc.date.accessioned.fl_str_mv |
2007-06-06T18:48:20Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/5576 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000516988 |
url |
http://hdl.handle.net/10183/5576 |
identifier_str_mv |
000516988 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/5576/1/000516988.pdf http://www.lume.ufrgs.br/bitstream/10183/5576/2/000516988.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/5576/3/000516988.pdf.jpg |
bitstream.checksum.fl_str_mv |
2844d3b04760e8b2cb35750d0661acdc bac25876ffcb4ca6f2b07ded4734fc27 1eef00a58dea938769e52e557beb8fe6 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1800308930007531520 |