Reconhecimento de Padrões Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra Padrões e processos em Dinâmica de uso e Cobertura.

Apresentação em tema: "Reconhecimento de Padrões Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra Padrões e processos em Dinâmica de uso e Cobertura."— Transcrição da apresentação:

1 Reconhecimento de Padrões Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra Padrões e processos em Dinâmica de uso e Cobertura da Terra

2 Introdução 1234

3 Capacidade de Armazenamento X Análise e Interpretação

4 Satélites de SR geram imagens diariamente.

5 Se os dados são analisados de forma independente, não apresentam significado.

6 A interpretação de imagens pode ser automatizada.

7 Como encontrar um alvo em uma imagem de SR?

8 Como representar o conhecimento em software?

9 Atributos em uma tabela caracterizam os objetos.

10 Descoberta de Conhecimento em Bancos de Dados: KDD  Knowledge Discovery in Databases.

11 KDD é o processo não trivial de identificar padrões nos dados. Os padrões devem ser válidos, singulares, potencialmente úteis e compreensíveis. Fayyad, 1997

12 Medidas de avaliação dos resultados do KDD 4 Certeza Utilidade Inovação Simplicidade 3 2 1

13 Áreas de pesquisa Bancos de Dados Aprendizado por Máquina Reconhecimento de Padrões Estatística Inteligência Artificial Visualização de Dados Computação Paralela Estruturas de Dados KDD

14 KDD Genérico

15 KDD em imagens

16 Pré Processamento 1234

17 Atributos para Pixels

18 Atributos para Segmentos

19 Atributos de Paisagem 10 km Manchas dentro da célula: Área total Porcentagem Tamanho médio Conectividade … Questões: Tamanho da célula Padrões observáveis

20 Subconjunto de atributos suficiente e necessário para representar um conceito.

21 Técnicas de Seleção

22 Normalização previne que uma variável tenha maior impacto do que as outras.

23 Dados Originais Técnicas de Normalização

24 Visualização aumenta a interatividade e melhora o entendimento dos resultados.

25 Exercício Red Green

26 Mineração de Dados 1234

27 Extração de padrões, ou modelos, dos dados.

28 Classificação omite detalhes, mas simplifica a interpretação.

29 A modelagem preditiva encontra o estado mais provável de um elemento, sua classe. Solo Exposto Edificações Construções Ferrovia Estrada Solo Torres Árvores Vegetação

30 Árvores de decisão descrevem fronteiras lineares sobre o espaço de atributos.

31 Redes neurais artificiais geram separadores não lineares.

32 Agrupamento (clustering) separa automaticamente objetos em subconjuntos similares entre si, e diferentes dos demais.

33 Mapas de Kohonen (SOM) representam em neurônios próximos objetos similares.

34 K-Médias encontra K valores de médias, os centróides de cada cluster.

35 Técnicas de associação revelam relações de co-ocorrência nos atributos. 1. SE ( media_pixels_0 >= 127 E area < 50 ) ENTÃO media_pixels_2 > 200 2. SE ( area > 1000 E compacidade < 0.5 ) ENTÃO media_pixels_0 < 50...

36 Algoritmos genéticos buscam associações cruzando as hipóteses. 1. SE ( media_pixels_0 >= 100 E media_pixels_0 < 150 ) OU ( media_pixels_0 >= 150 E media_pixels_0 < 200 ) ENTÃO... 2. SE ( media_pixels_0 >= 0 E media_pixels_0 < 50 ) OU ( media_pixels_0 >= 200 E media_pixels_0 < 256 ) ENTÃO... (00110, 10001)  00101 SE ( media_pixels_0 >= 100 E media_pixels_0 < 150 ) OU ( media_pixels_0 >= 200 E media_pixels_0 < 256 ) ENTÃO...

37 Interpretação do Conhecimento 1234

38 A interpretação valida e aplica o conhecimento a todos os dados. O modelo será diferente conforme a técnica empregada.

39 O modelo preditivo é avaliado logo após sua construção. TreinamentoEntrada κ = 0.67738κ = 0.62293 κ = 0.74850

40 Pode-se aceitar o modelo produzido, refazer etapas anteriores ou ajustar o resultado.

41 Se clustering for empregado, significados devem ser atribuídos no pós-processamento.

42 Geographic Data Mining Analyst Desenvolvido no INPE – Divisão de Processamento de Imagens Software Livre TerraLib, C++ Mineração de Dados aplicada a Imagens de Sensoriamento Remoto

43 Modelo de Interpretação

44

45

46

47 Aplicações Detecção de mudanças em áreas de desmatamento na Amazônia

48 Aplicações Classificação de tipos de padrões urbanos relacionados à ocorrência de dengue

49 Conclusão Background Pré-Processamento Mineração de Dados Construção do Conhecimento http://geodma.sf.net/ GeoDMA

50 Trabalhos Futuros......