GICS-GA servicio Grid de clasificación de imágenes LANDSAT que utiliza el sistema clasificador inteligente XCS

  • Jorge Gabriel Hoyos Pineda Universidad Santo Tomás, Universidad Pedagógica y Tecnológica de Colombia
  • José Nelson Pérez Castillo Universidad Distrital Francisco José de Caldas
Palabras clave: servicio Grid, clasificador inteligente

Resumen

El proyecto descrito en este artículo explora la aplicación de la tecnología Grid como apoyo a la formación y la investigación, a través de la promoción de un sistema clasificador de imágenes de satélite a un ambiente Grid, mediante la implementación de un servicio Grid al que tendrá acceso la comunidad de RENATA por medio de un portal Grid desarrollado para tal fin. El desarrollo de nuevas tecnologías de comunicación que soportan mayores anchos de banda y el advenimiento de redes de alta velocidad, han dado un gran impulso a la computación Grid, y ha incentivado la conformación de comunidades científicas que ahora pueden compartir sus recursos, aunque estos se encuentren dispersos geográficamente, recursos tales como hardware, software y capacidad de procesamiento y almacenamiento [6]. Una de las áreas que puede sacar provecho de esta nueva infraestructura es la relacionada con el procesamiento de imágenes de satélite, y más concretamente el proceso de clasificación, teniendo en cuenta la gran cantidad de recursos de procesamiento que este exige. En este documento se describen los resultados de investigación del proyecto GICS-GA que consiste en la implementación de un servicio Grid de clasificación de imágenes Landsat que implementa la funcionalidad definida por los estándares del Consorcio Abierto Geoespacial (Open Geospatial Consortium, OGC) y que para las operaciones de entrenamiento y clasificación utiliza el clasificador inteligente XCS, que al igual que la mayoría de los Sistemas Clasificadores Inteligentes hace uso de los algoritmos genéticos como mecanismo evolutivo.

Biografía del autor/a

Jorge Gabriel Hoyos Pineda, Universidad Santo Tomás, Universidad Pedagógica y Tecnológica de Colombia
Ingeniero de Sistemas. Docente Universidad Santo Tomás y Universidad Pedagógica y Tecnológica de Colombia. Grupo Internacional de Investigación en Informática, Comunicaciones y Gestión del Conocimiento - GICOGE. Bogotá D.C. (Colombia).
José Nelson Pérez Castillo, Universidad Distrital Francisco José de Caldas
Ingeniero de Sistemas. Doctor en Informática. Investigador y Docente de planta Universidad Distrital Francisco José de Caldas. Grupo Internacional de Investigación en Informática, Comunicaciones y Gestión del Conocimiento - GICOGE. Bogotá D.C. (Colombia).

Descargas

Los datos de descargas todavía no están disponibles.

Lenguajes:

es

Biografía del autor/a

Jorge Gabriel Hoyos Pineda, Universidad Santo Tomás, Universidad Pedagógica y Tecnológica de Colombia
Ingeniero de Sistemas. Docente Universidad Santo Tomás y Universidad Pedagógica y Tecnológica de Colombia. Grupo Internacional de Investigación en Informática, Comunicaciones y Gestión del Conocimiento - GICOGE. Bogotá D.C. (Colombia).
José Nelson Pérez Castillo, Universidad Distrital Francisco José de Caldas
Ingeniero de Sistemas. Doctor en Informática. Investigador y Docente de planta Universidad Distrital Francisco José de Caldas. Grupo Internacional de Investigación en Informática, Comunicaciones y Gestión del Conocimiento - GICOGE. Bogotá D.C. (Colombia).

Referencias bibliográficas

BUTZ, M.V. y WILSON, S.W., (2000). An Algorithmic Description of XCS. En IlliGAL report 2000017.

COHEN, J., (1960). A COefficient of Agreement for Nominal Scales. En: Education and Psychological Measurement Vol. 20. pp 37-46. Citado en QUIRIN, A. et al. (2004). Learning Classifier Systems for Hyperspectral Images Processing. IlliGAL Report NO. 2004023. Illinois Genetic Algorithms Laboratory. University of Illinois at Urbana-Champaign.

DE ROURE, D., et al., (2003). The evolution of the Grid. En: Grid Computing . Making the Global Infrastucture a Reality. pp 65-100.

GOLDBERG, D.E., (2005). Genetic Algorithms in Search, Optimization, and Machine Learning. Boston. Addison-Wesley, 412 p.

HOLLAND, J.H., et al., (2000). What Is a Learning Classifier System? En: Learning Classifier Systems, From Foundations to Applications.

HOYOS PINEDA, J.G. y PERÉZ CASTILLOS, J.N., (2007). Aplicación de Algoritmos Genéticos a la Clasificación de Imágenes de Satélite en el marco de los Servicios Grid Inteligentes - Estado del Arte. En: Ciencia e Ingeniería Neogranadina, Vol. 17-2. pp 95-109.

QUIRIN, A., et al., (2004). Learning Classifier Systems for Hyperspectral Images Processing. IlliGAL Report NO. 2004023. Illinois Genetic Algorithms Laboratory. University of Illinois at Urbana-Champaign, 23 p.

SHEIKHOLESLAMI, G., et al., (1975). Geographical Image Classification and Retrieval. En: Proceedings of the 5th International Workshop on Advances in Geographic Information Systems. pp 58-61.

SOTOMAYOR, B. y CHILDERS, L., (2006). Globus Toolkit 4 Programming Java Services. San Francisco, USA. Elsevier, 506 p.

WHITESIDE, A., (2005). OperGIS® Web Services Common Specification. OGC Implementation Specification. OGC Document Number: 05-008. Open Geospatial Consortium Inc., 106 p.

WILSON, S., (1998). Generalization in the XCS classifier system. En: Proceedings of the Third Annual Genetic Programming Conference. pp 665-674.

YANG, W. y WHITESIDE, A., (2005). Web Image Classification Service (WICS). OGC Implementation Specification. OGC Document Number: 05-017. Open Geospatial Consortium Inc., 45 p.

Cómo citar
Hoyos Pineda, J. G., & Pérez Castillo, J. N. (2008). GICS-GA servicio Grid de clasificación de imágenes LANDSAT que utiliza el sistema clasificador inteligente XCS. Ciencia E Ingeniería Neogranadina, 18(2), 45–60. https://doi.org/10.18359/rcin.1488
Publicado
2008-12-01
Sección
Artículos

Métricas

Crossref Cited-by logo
QR Code