eia o trecho a seguir: “[...] A classificação não supervisionada é inteiramente baseada nas estatísticas da distribuição de dados da imagem. [......
eia o trecho a seguir: “[...] A classificação não supervisionada é inteiramente baseada nas estatísticas da distribuição de dados da imagem. [...] Mesmo para uma área bem-mapeada, a classificação não supervisionada pode revelar algumas características espectrais que não eram aparentes de antemão. O resultado de uma classificação não supervisionada é uma imagem de agrupamentos estatísticos [...]”. LIU, J. G.; MASON, P. Essential Image Processing and GIS for Remote Sensing. Oxford, UK: Wiley-Blackwell, 2009. p. 91. A respeito da classificação não supervisionada, analise as afirmativas a seguir e assinale V para a(s) Verdadeira(s) e F para a(s) Falsa(s). I. ( ) Na classificação não supervisionada, o computador define as classes e o usuário atribui significado a elas. II. ( ) Os métodos não supervisionados exigem que o usuário já conheça de antemão as classes. III. ( ) O algoritmo de clustering encontra padrões de distância espectral para fazer uma classificação iterativa dos pixels. IV. ( ) O método das k-médias reduz a variabilidade ao definir o número de agrupamentos a priori.
Com base no trecho apresentado e nas afirmativas, podemos afirmar que:
I. (F) Na classificação não supervisionada, o computador define as classes e não o usuário.
II. (F) Os métodos não supervisionados não exigem que o usuário já conheça de antemão as classes.
III. (V) O algoritmo de clustering encontra padrões de distância espectral para fazer uma classificação iterativa dos pixels.
IV. (F) O método das k-médias não reduz a variabilidade ao definir o número de agrupamentos a priori.
Portanto, as afirmativas III é verdadeira e as afirmativas I, II e IV são falsas.
0
0
Faça como milhares de estudantes: teste grátis o Passei Direto
Compartilhar