Uso da rede neural som para melhoria da qualidade de amostras de dados satelitais.

O objetivo deste trabalho foi desenvolver um método de classificação o qual permita a eliminação amostras mal classificadas aumentando a acurácia de classificadores de imagens de satélite voltados para a identificação das mudanças de uso e cobertura da terra (LUCC). A proposta baseia-se num modelo que combina a rede neural não supervisionada Mapa Auto Organizável para ordenamento dos dados e a teoria bayesiana para determinar e selecionar os dados utilizados baseados na qualidade da informação sem a necessidade de passos ulteriores de validação por um especialista humano. O método proposto prevê a aplicação do algoritmo de eliminação de dados atípicos baseado na densidade dos pontos amostrais antes do treinamento da rede neural, a aplicação de um algoritmo de clusterização sobre a mesma rede neural antes de aplicar a teoria bayesiana. A proposta baseia-se em proposta anterior que combina a rede neural não-supervisionada Mapa Auto Organizável para ordenamento dos dados e a teoria bayesiana para determinar quais observações devem ser mantidas, removidas ou marcadas para avaliação por especialistas. This work aimed to develop a classification method that eliminates misclassified samples, increasing the accuracy of satellite image classifiers aimed at identifying land use and land cover changes (LUCC). The proposal is based on a model that combines the unsupervised Self-Organizing Map neural network for data ordering and Bayesian theory to determine and select the data used based on the quality of the information without the need for further validation steps by a human expert. The proposed method involves the application of the outlier elimination algorithm based on the density of the sample points before training the neural network and the application of a clustering algorithm on the same neural network before applying Bayesian theory. The proposal builds on a previous proposal that combines the unsupervised neural network Self-Organizing Map for data ordering and Bayesian theory to determine which observations should be kept, removed, or marked for expert evaluation.