Plugin machine learning para QGIS 3.x para la clasificación de imágenes satelitales

Ruiz Fernández, Marión Ricardo; Piraquive Gamba, Michael Andrés

Plugin machine learning para QGIS 3.x para la clasificación de imágenes satelitales

dc.contributor.advisor	Ramírez Fernández, Salomón Einstein
dc.contributor.author	Ruiz Fernández, Marión Ricardo
dc.contributor.author	Piraquive Gamba, Michael Andrés
dc.date.accessioned	2024-03-15T17:52:35Z
dc.date.available	2024-03-15T17:52:35Z
dc.date.created	2022-08-23
dc.description	Las herramientas que realizan la clasificación de imágenes satelitales basados en diferentes algoritmos de Machine Learning son extremadamente costosos y de difícil acceso (software comercial), los cuales tienden a ser muy especializados. Debido a esto, conseguir una herramienta o software libre con indicadores de calidad similares a los obtenidos en software comercial supone un reto tecnológico. Así pues, se presenta el desarrollo de un plugin para el sofware QGIS (MLClassImage Plugin), que realiza clasificación de imágenes satelitales, a partir de los siguientes algoritmos: KNN, Random Forest y Máquinas de soporte vectorial (SVM). Dentro del mismo, el usuario podrá manipular los parámetros de cada uno de los algoritmos para así seleccionar el modelo que mejor se ajuste a la clasificación requerida de acuerdo con la interpretación a los resultados obtenidos.	spa
dc.description.abstract	The tools that perform the classification of satellite images based on different Machine Learning algorithms are extremely expensive and difficult to access (commercial software), which are very specialized. Due to this, obtaining a free tool or software with quality indicators similar to those obtained in commercial software is a technological challenge. Thus, the development of a plugin for the QGIS software (MLClassImage Plugin) is presented, which performs satellite image classification, based on the following algorithms: KNN, Random Forest and Support Vector Machines (SVM). Within it, the user will be able to manipulate the parameters of each of the algorithms in order to select the model that best fits the required classification according to the interpretation of the results obtained.	spa
dc.format.mimetype	pdf	spa
dc.identifier.uri	http://hdl.handle.net/11349/33618
dc.language.iso	spa	spa
dc.rights	Atribución-NoComercial-CompartirIgual 4.0 Internacional	*
dc.rights.acceso	Abierto (Texto Completo)	spa
dc.rights.accessrights	OpenAccess	spa
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/4.0/	*
dc.subject	Python 3	spa
dc.subject	Complemento para QGIS	spa
dc.subject	Bosques aleatorios	spa
dc.subject	Máquinas de soporte vectorial	spa
dc.subject	Aprendizaje automático	spa
dc.subject	K-vecinos más cercanos	spa
dc.subject.keyword	QGIS plugins	spa
dc.subject.keyword	Random forest	spa
dc.subject.keyword	Support vector machines	spa
dc.subject.keyword	Machine learning	spa
dc.subject.keyword	K-nearest neighbors	spa
dc.subject.lemb	Especialización en Sistemas de Información Geográfica -- Tesis y disertaciones académicas	spa
dc.subject.lemb	Aprendizaje automático (Inteligencia artificial)	spa
dc.subject.lemb	Sistemas de información geográfica	spa
dc.subject.lemb	Imágenes de detección a distancia - Clasificación	spa
dc.subject.lemb	Python (Lenguaje de programación de computadores)	spa
dc.title	Plugin machine learning para QGIS 3.x para la clasificación de imágenes satelitales	spa
dc.title.titleenglish	Machine learning plugin for QGIS 3.x for satellite image classification	spa
dc.type	bachelorThesis	spa
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f	spa
dc.type.degree	Monografía	spa
dc.type.driver	info:eu-repo/semantics/bachelorThesis	spa