Clasificación de Imágenes Hiperespectrales Mediante SVM Basado en Kernels No Lineales

Pérez Calleja, Lucas (2020). Clasificación de Imágenes Hiperespectrales Mediante SVM Basado en Kernels No Lineales. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. y Sistemas de Telecomunicación (UPM).

Description

Title: Clasificación de Imágenes Hiperespectrales Mediante SVM Basado en Kernels No Lineales
Author/s:
  • Pérez Calleja, Lucas
Contributor/s:
  • Juárez Martínez, Eduardo
Item Type: Final Project
Date: March 2020
Subjects:
Faculty: E.T.S.I. y Sistemas de Telecomunicación (UPM)
Department: Ingeniería Telemática y Electrónica
Creative Commons Licenses: None

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB) | Preview

Abstract

El objetivo de este proyecto es llevar a cabo una comparación rigurosa del comportamiento de una máquina de vectores soporte al utilizar distintas funciones kernel no lineales durante la clasificación de imágenes hiperespectrales. Las imágenes sobre las que se trabaja provienen de la base de datos utilizada por el proyecto HELICoiD, se trata de capturas tomadas en el quirófano durante intervenciones sobre pacientes con glioblastomas. El estudio y comparación de los modelos se basa en resultados obtenidos sobre clasificaciones de los píxeles de las capturas hiperespectrales en las siguientes etiquetas: {Blood Tissue, Healthy Tissue, Other Tissue, Tumour Tissue }. El proceso llevado a cabo se divide en dos fases. Durante la fase uno se lleva a cabo un proceso de optimización paralelo sobre cuatro modelos de clasificación. Cada uno de estos modelos hace uso de una función kernel distinta: kernel lineal, kernel polinómico, kernel RBF y kernel sigmoide. El método de optimización se basa en la técnica de validación cruzada. La premisa sobre la que se llevan a cabo los procesos de optimización es poder presentar un escenario de comparación lícito, en el que los cuatro modelos hayan sido desarrollados bajo las mismas condiciones y criterios. Durante la segunda fase tiene lugar la comparación de modelos.

More information

Item ID: 66715
DC Identifier: http://oa.upm.es/66715/
OAI Identifier: oai:oa.upm.es:66715
Deposited by: Lucas Pérez Calleja
Deposited on: 22 Apr 2021 12:32
Last Modified: 22 Apr 2021 12:32
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM