Primjena metoda strojnog učenja za klasifikaciju šumskih područja (CROSBI ID 431082)
Ocjenski rad | diplomski rad
Podaci o odgovornosti
Sekulić, Sebastijan
Medak, Damir
hrvatski
Primjena metoda strojnog učenja za klasifikaciju šumskih područja
Zbog sve većih i bržih promjena u pokrovu zemljišta njegovo praćenje je danas od iznimne važnosti. Kako bi se promjene mogle što točnije pratiti potrebno je maksimalno automatizirati proces klasifikacije pokrova. U ovom radu testirane su dvije metode strojnog učenja, Random Forest i Neural Network (DNN). Klasifikacija je provođena na dvije uzastopne godine snimljene Sentinel-2 satelitom u ljetnim mjesecima. Kako su ulazni podaci o šumama zastarjeli, nakon prve klasifikacije provedeno je popravljanje ulaznih podataka te je ponovo provedena klasifikacija. Za svaku klasifikaciju i metodu izrađena je matrica konfuzije, pomoću koje je određena točnost klasifikacije. U radu se pokazalo kako je moguće izraditi model za predikciju koristeći strojno učenje, čak i koristeći zastarjele i nepotpune ulazne podatke. Upotrijebivši taj model klasificirano je područje dimenzija 100 x 100 km za 2015. i 2016. godinu, te izrađen prikaz nastalih promjena u tom periodu.
strojno učenje, Sentinel-2, klasifikacija, pokrov zemljišta, praćenje promjena
nije evidentirano
engleski
Application of Machine Learning Methods in Determining the Quality of Forest Area Dataset
nije evidentirano
machine learning, Sentinel-2, classification, land cover, change detection
nije evidentirano
Podaci o izdanju
70
07.07.2017.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Geodetski fakultet
Zagreb