@mastersthesis{elediasc12138,
          school = {University of Trento},
          author = {S. Schmidt},
           title = {SVM-BURIED - Detection Sottosuperficiale In Presenza Di Clutter (Oggetti Di Caratteristiche Differenti Rispetto All'oggetto Target)},
            year = {2010},
        abstract = {Lo studio di tecniche non invasive per l'indagine sottosuperficiale {\`e} di grande interesse sia per applicazioni civili che militari. Le aree di ricerca coinvolte sono molteplici (geologia, idrologia, ingegneria civile ed ambientale, demining...) e l'interesse nel trovare soluzioni sempre pi{\`u} veloci e precise {\`e} molto elevato. In questo contesto, le tecniche learning-by-example costituiscono una possibile soluzione per avere una stima preliminare e molto veloce di presenza/assenza di oggetti nel sottosuolo. Tuttavia, una delle caratteristiche che rendono complessa la detection di oggetti, {\`e} la composizione del terreno che oltre ad essere ignota pu{\`o} essere anche molto eterogenea. L'attivit{\`a} proposta si focalizza sull'utilizzo di una metodologia basata su SVM in presenza di clutter nel sottosuolo. La SVM {\`e} precedentemente allenata con scenari in cui {\`e} presente solo l'oggetto target, successivamente viene testata con configurazioni in cui oltre all'oggetto target sono presenti altri oggetti con caratteristiche dielettriche differenti. In caso di buon funzionamento, il metodo deve individuare la presenza dell'oggetto anche se in presenza dei clutter.},
        keywords = {TADIB},
             url = {http://www.eledia.org/students-reports/138/}
}