Klasifikace rastrových dat metodami strojového učení

Mgr. Andrea Kýnová

Bakalářská práce

Machine learning for raster data classification

Anotace:

Bakalářská práce se zabývá klasifikací rastrových dat pomocí metod strojového učení. V první části práce je uveden přehled metod používaných pro klasifikaci dat dálkového průzkumu Země, která jsou běžným příkladem rastrových geografických dat. Dále jsou stručně popsány principy použitých algoritmů a soubory vstupních dat. Vybrané metody strojového učení jsou hodnoceny z hlediska dosažené správnosti klasifikace, času potřebného pro vystavení modelu a dále také podle srozumitelnosti výsledku a uživatelské přívětivosti.

Abstract:

This bachelor thesis deals with the image classification using Machine Learning Algorithms. The first part provides a review of the methods used for remote sensed data classification. A brief description of the algorithms' principles and input data follows. Selected machine learning methods were evaluated in terms of classification accuracy, time taken to built model and also by legibility of results and user-friendliness.

Klíčová slova

strojové učení, Random Forest, vícevrstvý perceptron, učení založené na instancích, klasifikace obrazu, druhy povrchu, Machine Learning, Multilayer Perceptron, Instance-based Learning, image classification, land cover

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 20. 5. 2013

Obhajoba závěrečné práce

• Obhajoba proběhla 17. 6. 2013
• Vedoucí: doc. RNDr. Lubomír Popelínský, Ph.D.
• Oponent: Mgr. Juraj Jurčo

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Informatika / Počítačové systémy a zpracování dat