Aplicação de Modelos de Aprendizado Semissupervisionado na Classificação de Imagens de Sensoriamento Remoto

Abstract

Nas mais diversas aplicações, a escassez de informação para o devido treinamento e utilização de métodos de Aprendizado de Máquina supervisionado é um problema persistente. Este fato motivou o desenvolvimento do paradigma de aprendizado semissupervisionado, que pode ser entendido como uma combinação de conceitos dos paradigmas supervisionado e não supervisionado. A maneira como o aprendizado é conduzido permite organizar os métodos semissupervisonados em diferentes modelos. Este trabalho apresenta um estudo comparativo entre diferentes modelos de aprendizado semissupervisionado. É também proposta uma versão semissupervisonada do método SVM, o qual alcançou melhor desempenho nas comparações realizadas.