clasificacion borrosa.pptx
TRANSCRIPT
CLASIFICACIÓN BORROSA O FUZZY
UNIVERSIDAD NACIONAL DE LOJAÁrea Agropecuaria y de Recursos Naturales Renovables
ING. FORESTALMÓDULO IX
Integrantes: Ávila MaríaCabrera JanethErazo AlexisTandazo JinhsonTorres Jonathan
1. Introducción
• En el procesamiento digital de imágenes satelitales, cuando se llevan a cabo clasificaciones supervisadas se asume que todas las coberturas son puras:
Bosques, solo bosques
• Pero en otros usos como:áreas urbanas o zonas agrícolas
• Estos usos y coberturas generan una respuesta espectral mixta
• Al asumir que los usos y coberturas son puros :representación del espacio geográfico no bien ajustada a la realidad,
(Gutiérrez y Jegat 2005)
• para la asignación de atributos en las imágenes satelitales se usa:
Clasificación supervisada con áreas de entrenamiento ‡ clasificación no supervisada(Gutiérrez y Jegat 2005).
• La utilización de la clasificación borrosa:
Si existen usos y coberturas mezclados
Informamos sobre los porcentajes de mezcla o transición, según sea nuestro conocimiento(Gutiérrez y Jegat 2005).
2. Definiciones
• En la década de los 90 reconoció: métodos inadecuados
Pérdida de información e inexactitud Uso del concepto de la teoría clásica
• Según Guiérrez y Jegat (2005), proponen la clasificación borrosa, para: Mejorar el procesamiento de informaciónAplicaciones con SIG
Método para explicar la complejidad de un sistema
Calculo de compatibilidad ‡ probabilidadBasada en distribución de frecuencias
• La CB, describe propiedades que tienen una variación continua en sus valores (tarjetas semánticas)
• Método de la clasificación supervisada (Chuvieco 2008) un pixel pertenece a una clase Ejem:
• La clasificación borrosa :
• da solución a este problema
• cada pixel se etiqueta en varias categorías, con un valor más o menos en función de su similitud espectral (Chuvieco 2008).
• la función de pertenencia corresponde a una distribución binaria: 0 no pertenece, 1 pertenece, (Gutiérrez y Jegat 2005).
• Soto y Jiménez (2011) definen la CB como un clasificador que admite una cierta incertidumbre entre la verdad y la falsedad de sus proporciones.
• En la teoría clásica: lógica booleana
• En la teoría de conjuntos borrosos: propone presentar el grado de pertenencia por medio de un valor
3. Consideraciones finales
• Base matemática rica para entender problemas de decisión
• Conjuntos fuzzy, proviene de la observación de que no todas las locaciones de un mapa se ajuntan a una simple categoría (Gutiérrez y Jegat 2005).
• Según Chuvieco (2008), Lógica Borrosa son pretende analizar coberturas con alto grado de mezcla, como es el caso de las categorías urbanas
• Algunas investigaciones, han integrado la lógica difusa y las redes neuronales para mejorar la evaluación de la exactitud (Soto y Jiménez 2011; Gutiérrez y Jegat 2005).
GRACIAS
BIBLIOGRAFÍAChuvieco S. 2008. Teledetección ambiental. “La observación de la Tierra desde el espacio”. 3ra Edición. Editorial Ariel S.A. Barcelona, España. 417-421.Guiérrez J., H. Jegat. 2005. Uso de la teoría de lógica difusa en la clasificación imágenes satelitales con cobertura mixtas: el caso urbano de Mérida, Venezuela (en línea). Interciencia. 30: 5 (261-266). Disponible en: http://www.interciencia.org/v30_05/261_gutierrez.pdf (Consultado: miércoles 31, 2012).Soto C., C. Jiménez. 2011. Aprendizaje supervisado para la discriminación y clasificación difusa (en línea). Dyna rev.fac.nac.minas. Medellín, Colombia. 78:169 (26-33).. Disponible en: http://www.scielo.org.co/pdf/dyna/v78n169/a03v78n169.pdf (Consultado: miércoles 31, 2012).