Irene Pérez Llorente Junio 2008 - Centro de Estudios Hidrográficos ...

- Red Neuronal: usa la propagación hacia atrás en una red neural con capas
retroalimentada positivamente para el aprendizaje supervisado. Se puede
seleccionar el número de capas escondidas a usar y entre una función de
activación logística o hiperbólica. El aprendizaje ocurre ajustando pesos en el
nodo para minimizar la diferencia entre el nodo de activación final y el
resultado. El error se propaga hacia atrás a través de la red y el ajuste de peso se
hace usando un método recursivo. Permite llevar a cabo una clasificación no
lineal.
Las playas del sur aparecen muy difuminadas y se incluyen parcialmente en la
clase “crestas”, que ocupan una gran extensión. Sin embargo, otras zonas bajas
de la península aparecen en rojo. La península está clasificada principalmente en
“playas de Robbery” y “crestas”, y la clase “taludes” ha desaparecido. Gran
parte del mar aparece clasificado como “Zona Intermareal”, mientras que esta
zona, sin embargo, ha sido clasificada como “Playas Robbery”.
A la vista de los resultados puede concluirse que los clasificadores que mejor
separan las distintas cubiertas son los de Mínima Distancia y Distancia de Mahalanobis,
aunque sus resultados tampoco son muy precisos.
El enfoque de la clasificación es comparar los resultados de las distintas fechas y
detectar así los cambios que se han producido a lo largo del tiempo. Para clasificar
imágenes individuales únicamente pueden usarse las clasificaciones Paralepípeda y de
Mínima Distancia, ya que el resto solo es aplicable a archivos de varias bandas. Por ello
la opción finalmente elegida es el clasificador de Mínima Distancia, ya que el otro
método no da muy buenos resultados y deja píxeles sin clasificar.
Figura 87. Clasificación de Codificación Figura 88. Clasificación de Red Neuronal.
Binaria.
81