02040nam a2200265 a 450000100080000000500110000800800410001902000220006010000210008224501340010326001370023730000120037450000170038652010960040365000190149965000250151865300380154365300400158165300160162165300250163765300460166270000250170870000210173370000200175420037062020-01-08       2014    bl uuuu     u00u1 u    #d  a978-85-87837-27-11 aAMARAL, B. F. do  aAprimorando a classificação semissupervisionada de séries temporais extraídas de imagens de satélite.h[electronic resource]  aIn: SYMPOSIUM ON KNOWLEDGE DISCOVERY, MINING AND LEARNING, 2., 2014, São Carlos, SP. Proceedings... São Carlos, SP: ICMC/USPc2014  ap. 1-8.  aKDMiLe 2014.  aAbstract. A quantidade de dados gerados e armazenados tem crescido muito nos últimos anos, assim como o interesse na descoberta de conhecimento e extração de padrões em tais bases de dados. No entanto, em domínios como sensoriamento remoto, grandes volumes de dados complexos, por exemplo imagens de satélite, requerem uso de recursos computacionais para análise de dados. Nesse contexto, a classificação semissupervisionada é uma alternativa adequada para extração de conhecimento de conjuntos de dados com poucas instâncias previamente rotuladas e grandes quantidades de instâncias não rotuladas. Neste artigo, é proposta uma técnica de classificação semissupervisionada para análise de séries temporais obtidas a partir de imagens de satélites, visando a identificação de áreas de plantio de cana-de-açúcar. Os resultados dos experimentos realizados indicam que a técnica proposta alcança melhor qualidade na classificação de áreas de cana-de-açúcar quando comparada a duas outras técnicas, supervisionada e semissupervisionada, propostas na literatura.  aClassification  aTime series analysis  aClassificação baseada em grafos  aClassificação semissupervisionada  aData mining  aMineração de dados  aSéries temporais de imagens de satélite1 aGONÇALVES, R. R. V.1 aROMANI, L. A. S.1 aSOUSA, E. P. M.