| 1. Identificação | ||||||||||
| Tipo de Referência | Tese ou Dissertação (Thesis) | |||||||||
| Site | mtc-m21c.sid.inpe.br | |||||||||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||||||||
| Identificador | 8JMKD3MGP3W34R/4325CC8 | |||||||||
| Repositório | sid.inpe.br/mtc-m21c/2020/08.03.21.55 | |||||||||
| Última Atualização | 2021:05.16.23.12.22 (UTC) simone | |||||||||
| Repositório de Metadados | sid.inpe.br/mtc-m21c/2020/08.03.21.55.08 | |||||||||
| Última Atualização dos Metadados | 2022:04.03.23.15.37 (UTC) administrator | |||||||||
| Chave Secundária | INPE-18349-TDI/3017 | |||||||||
| Chave de Citação | Adeu:2021:ClSaIm | |||||||||
| Título | Clustering satellite image time series data based on growing self-organizing maps  | |||||||||
| Título Alternativo | Clustering de séries temporais de imagens de satélite utilizando growing self-organizing maps | |||||||||
| Curso | CAP-COMP-DIPGR-INPE-MCTI-GOV-BR | |||||||||
| Ano | 2021 | |||||||||
| Data | 2020-07-31 | |||||||||
| Data de Acesso | 20 abr. 2024 | |||||||||
| Tipo da Tese | Dissertação (Mestrado em Computação Aplicada) | |||||||||
| Tipo Secundário | TDI | |||||||||
| Número de Páginas | 47 | |||||||||
| Número de Arquivos | 1 | |||||||||
| Tamanho | 5923 KiB | |||||||||
| 2. Contextualização | ||||||||||
| Autor | Adeu, Rodrigo de Sales da Silva | |||||||||
| Banca | Quiles, Marcos Gonçalves (presidente) Ferreira, Karine Reis (orientadora) Andrade Neto, Pedro Ribeiro de (orientador) Picoli, Michelle Cristina Araujo Romani, Luciana Alvim Santos | |||||||||
| Endereço de e-Mail | rdrg.sales@gmail.com | |||||||||
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) | |||||||||
| Cidade | São José dos Campos | |||||||||
| Histórico (UTC) | 2020-08-03 21:55:59 :: rdrg.sales@gmail.com -> administrator :: 2020-08-04 20:31:43 :: administrator -> pubtc@inpe.br :: 2020-08-04 20:33:26 :: pubtc@inpe.br -> rdrg.sales@gmail.com :: 2020-09-02 16:21:42 :: rdrg.sales@gmail.com -> pubtc@inpe.br :: 2020-09-08 12:48:07 :: pubtc@inpe.br -> rdrg.sales@gmail.com :: 2020-09-09 22:01:16 :: rdrg.sales@gmail.com -> pubtc@inpe.br :: 2021-05-17 11:44:30 :: pubtc@inpe.br -> simone :: 2021-05-17 11:44:57 :: simone :: -> 2021 2021-05-17 11:44:58 :: simone -> administrator :: 2021 2022-04-03 23:15:37 :: administrator -> :: 2021 | |||||||||
| 3. Conteúdo e estrutura | ||||||||||
| É a matriz ou uma cópia? | é a matriz | |||||||||
| Estágio do Conteúdo | concluido | |||||||||
| Transferível | 1 | |||||||||
| Palavras-Chave | growing self-organized map land use and land cover machine learning clustering unsupervised learning uso e cobertura da Terra aprendizado de máquinas aprendizado não supervisionado | |||||||||
| Resumo | Mapping Earth land use and land cover is crucial to understand agricultural dynamics. Recently, analysis of time series extracted from Earth observation satellite images has been widely used to produce land use and land cover information. In time series analysis, clustering is a common technique performed to discover patterns on data sets. In this work, we evaluate the Growing Self-Organizing Maps (GSOMs) algorithm for clustering satellite image time series and compare it with Self-Organizing Maps (SOMs) algorithm. This paper presents two case studies using satellite image time series associated to samples of land use and land cover classes, highlighting the advantage of providing a neutral factor (called spread factor) as a parameter for GSOM, instead of the SOM grid size. We first compare GSOM with traditional SOM, analyzing the resultant network topology, the algorithm running time, the cluster accuracy and the neighborhood maintenance. In the second case study, we changed the dataset, increasing the number of samples and repeating the analysis. We finish concluding that it is possible to cluster satellite image time series with GSOM, avoiding the SOM grid size additional parameter. Besides that, GSOM keeps most of SOM properties and can be considered as a suitable alternative to SOM. RESUMO: Mapear o uso e a cobertura da Terra é crucial para entender a dinâmica agrícola. Recentemente, a análise de séries temporais extraídas de imagens de satélite de observação da Terra tem sido amplamente utilizada para produzir informações sobre uso e cobertura da terra. Na análise de séries temporais, o clustering é uma técnica utilizada para descobrir padrões em conjuntos de dados. Neste trabalho, avaliamos o algoritmo GSOM (Growing Self-Organizing Maps) para agrupar séries temporais de imagens de satélite e o comparamos com o algoritmo SOM (Self-Organizing Maps). Este artigo apresenta um estudo de caso utilizando séries temporais de imagens de satélite associadas a amostras de uso da terra e classes de cobertura, destacando a vantagem de fornecer um fator neutro (chamado spread factor) como parâmetro para o GSOM, no lugar do tamanho da grade do SOM. Nós iniciamos comparando o GSOM com o SOM tradicional, analisando a topologia da rede resultante, o tempo de execução dos algoritmos, a eficácia dos clusters e a manutenção da vizinhança. No segundo estudo de caso, nós modificamos o conjunto de dados, aumentando a quantidade de amostras e repetindo a análise. Nós terminamos concluindo que é possível fazer o clustering de séries temporais de imagens de satélite utilizando o GSOM e evitando o parâmetro adicional do tamanho da grade requerido pelo SOM. Além disso, o GSOM mantém a maioria das propriedades do SOM, e pode ser considerado como uma alternativa adequada ao SOM. | |||||||||
| Área | COMP | |||||||||
| Arranjo 1 | urlib.net > CAP > Clustering satellite image... | |||||||||
| Arranjo 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGIP > Clustering satellite image... | |||||||||
| Conteúdo da Pasta doc | acessar | |||||||||
| Conteúdo da Pasta source |
| |||||||||
| Conteúdo da Pasta agreement |
| |||||||||
| 4. Condições de acesso e uso | ||||||||||
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34R/4325CC8 | |||||||||
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34R/4325CC8 | |||||||||
| Idioma | en | |||||||||
| Arquivo Alvo | publicacao.pdf | |||||||||
| Grupo de Usuários | pubtc@inpe.br rdrg.sales@gmail.com simone | |||||||||
| Visibilidade | shown | |||||||||
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 | |||||||||
| Permissão de Leitura | allow from all | |||||||||
| Permissão de Atualização | não transferida | |||||||||
| 5. Fontes relacionadas | ||||||||||
| Repositório Espelho | urlib.net/www/2017/11.22.19.04.03 | |||||||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F2PHGS 8JMKD3MGPCW/46KUES5 | |||||||||
| Acervo Hospedeiro | urlib.net/www/2017/11.22.19.04 | |||||||||
| 6. Notas | ||||||||||
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype | |||||||||