Zaawansowane algorytmy klasyfikacji danych rastrowych

Informacje ogólne

Kod przedmiotu:	1900-3-ZAK-KT
Kod Erasmus / ISCED:	07.9 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (brak danych)
Nazwa przedmiotu:	Zaawansowane algorytmy klasyfikacji danych rastrowych
Jednostka:	Wydział Geografii i Studiów Regionalnych
Grupy:
Punkty ECTS i inne:	(brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS: roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS; tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h; 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się; tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS; nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta. zobacz reguły punktacji
Język prowadzenia:	polski
Rodzaj przedmiotu:	obowiązkowe
Założenia (lista przedmiotów):	Cyfrowe przetwarzanie obrazów 1900-3-CPO-KT
Założenia (opisowo):	Student powinien posiadać znajomość obsługi komputera klasy PC oraz systemu operacyjnego Windows. W celu pełnego zrozumienia omawianych zagadnień student musi być zaznajomiony z podstawami cyfrowego przetwarzania obrazów i podstawowych metod klasyfikacji.
Tryb prowadzenia:	w sali
Skrócony opis:	Poznanie zaawansowanych metod klasyfikacji obrazów rastrowych ze szczególnym uwzględnieniem wysokorozdzielczych danych rastrowych.
Pełny opis:	Przedmiot ma za zadanie zapoznać studenta wykorzystaniem danych wysokorozdzielczych w klasyfikacji obrazów a także z nowoczesnymi algorytmami klasyfikacji obrazów. Student pozna metody przygotowania danych do wykonania klasyfikacji (korekcja radiometryczna, atmosferyczna, topograficzna), kompresji danych, opracowania wzorców do klasyfikacji (pozyskiwanie charakterystyk spektralnych, biblioteki spektralne) oraz zaawansowane algorytmy klasyfikacji – sztuczne sieci neuronowe, Support Vector Machines, Specral Angle Mapper, Spectral Unmixing i inne. W czasie zajęć prowadzony będzie wykład, a następnie powiązane z nim ćwiczenia z zastosowaniem oprogramowania firmy Exelis – ENVI (w języku angielskim). W ramach samodzielnej nauki student będzie wykonywał ćwiczenia oraz studiował literaturę w języku polskim i angielskim.
Literatura:	Zagajewski B., Sobczak M., (red.) 2005. Imaging spectroscopy. New quality in environmental studies. EARSeL, Uniwersytet Warszawski WGiSR, Warszawa ERDAS Field Guide, przewodnik geoinformatyczny, 1998. GEOSYSTEMS Polska, Warszawa. Jensen J.R., 1996. Introductory digital image precessing – a remote sensing perspective. 2ed ed. Prentice Hall.
Efekty uczenia się:	Student potrafi: - określić, jaki rodzaj danych należy zastosować do konkretnego algorytmu klasyfikacji - zdefiniować etapy przetwarzania danych do klasyfikacji (korekcje, kompresje) - wyjaśnić zasadę działania algorytmów klasyfikacyjnych - wyjaśnić sposób pobierania, budowę i wykorzystanie bibliotek spektralnych do klasyfikacji - wyznaczyć wzorce do klasyfikacji - wyznaczyć schemat przetwarzania obrazów do wykonania klasyfikacji - opisać procedurę korekcji atmosferycznej, geometrycznej obrazów - przeprowadzić klasyfikację danych rastrowych przy użyciu przedstawionych algorytmów - ocenić dokładność wykonanych klasyfikacji - wymienić zastosowania wybranych algorytmów klasyfikacji w badaniach środowiska
Metody i kryteria oceniania:	Ocena z całości przedmiotu jest złożona z dwóch części 1. oceny z ćwiczeń: - kilku ćwiczeń, które wykonuje student w czasie trwania zajęć i w ramach - projektu wykonywanego w sali 2. oceny z egzaminu. Do zaliczenia konieczne są obecności na zajęciach (dopuszczalne są dwie nieobecności nieusprawiedliwione). Minimalny próg zaliczenia to 60% punktów. Do egzaminu dopuszczane są osoby, które zaliczyły ćwiczenia. Ocena końcowa jest wspólna z oceną z ćwiczeń.
Praktyki zawodowe:	-

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.