Pôvodný názov:
Fuzzy Machine Learning Algorithms for Remote Sensing Image Classification
Obsah knihy:
Táto kniha sa zaoberá najmodernejšími metódami klasifikácie obrazu na rozlišovanie objektov Zeme zo satelitných údajov diaľkového prieskumu Zeme s dôrazom na fuzzy strojové učenie a algoritmy hlbokého učenia. Oba typy algoritmov sú opísané tak podrobne, že ich možno priamo implementovať na tematické mapovanie viactriedneho alebo špecifického triedneho pokrytia krajiny z multispektrálnych optických údajov diaľkového prieskumu Zeme. Tieto algoritmy spolu s viacdátovým, multisenzorovým diaľkovým prieskumom Zeme sú schopné monitorovať aj špecifickú fázu (napr. fenológiu rastúcich plodín) konkrétnej triedy. Vďaka týmto schopnostiam majú algoritmy fuzzy strojového učenia široké uplatnenie v oblastiach, ako je poistenie úrody, mapovanie lesných požiarov, vypaľovanie strnísk, mapovanie škôd po katastrofách atď. Uvádzajú sa v nej aj podrobnosti o databáze časových indexov pomocou navrhovaného prístupu CBSI (Class Based Sensor Independent) podporeného praktickými príkladmi. Rovnako sa táto kniha zaoberá aj ďalšími súvisiacimi algoritmami založenými na vzdialenostiach, jadrových, ako aj priestorových informáciách prostredníctvom metód Markovovho náhodného poľa (MRF)/miestnej konvolúcie na spracovanie zmiešaných pixelov, nelinearity a zašumených pixelov.
Ďalej sa táto kniha zaoberá technikami kvantifikačného hodnotenia výstupov mäkkej klasifikovanej frakcie z mäkkej klasifikácie a podporuje ju vlastný vyvinutý nástroj nazývaný subpixelový multispektrálny klasifikátor obrazu (SMIC). Je určená absolventom, doktorandom, vedeckým pracovníkom a pracujúcim odborníkom z rôznych odborov, ako sú geoinformačné vedy, geografia, elektrotechnika, elektronika a informatika atď., ktorí pracujú v oblasti pozorovania Zeme a spracovania satelitných snímok. Učebné algoritmy rozoberané v tejto knihe môžu byť užitočné aj v iných príbuzných oblastiach, napríklad v medicínskom zobrazovaní. Celkovo je cieľom tejto knihy:
⬤ výhradne sa zamerať na použitie veľkého rozsahu fuzzy klasifikačných algoritmov pre snímky diaľkového prieskumu Zeme;
⬤ pojednať o aplikácii ANN, CNN, RNN a hybridných učiacich sa klasifikátorov na snímky diaľkového prieskumu Zeme;
⬤ popisuje subpixelový multispektrálny nástroj klasifikátora obrazu (SMIC) na podporu diskutovaných fuzzy a učiacich sa algoritmov;
⬤ vysvetliť, ako hodnotiť mäkké klasifikované výstupy ako zlomky obrazov pomocou fuzzy matice chýb (FERM) a jej pokročilých verzií s nástrojom FERM, entropie, korelačného koeficientu, koreňovej strednej kvadratickej chyby a metódy operačnej charakteristiky prijímača (ROC) a;
⬤ kombinuje vysvetlenie algoritmov s prípadovými štúdiami a praktickými aplikáciami.
