ML aplicado a la predicción de Targets usando sensores remotos
En las últimas dos décadas, la teledetección remota se ha consolidado como una fuente primordial de información sobre la cobertura terrestre, con una amplia gama de aplicaciones que abarcan desde estudios climáticos hasta la evaluación de recursos forestales y la exploración de entornos marinos. La clasificación de imágenes satelitales para la extracción de información sobre la cobertura terrestre ha emergido como un área de creciente interés e investigación en la comunidad de teledetección. Aunque se han empleado clasificadores tradicionales como redes neuronales, árboles de decisión, vecinos más cercanos y máquinas de soporte vectorial, la evolución tecnológica ha dado lugar a nuevas técnicas de clasificación que han demostrado mejorar la precisión en la identificación de características terrestres. A pesar de estos avances, persiste un amplio campo de investigación para lograr una mayor precisión y maximizar la extracción de información de datos teledetectados. En este contexto, la combinación de múltiples clasificadores emerge como una técnica prometedora que ha atraído la atención de la comunidad de teledetección en busca de soluciones más efectivas y precisas