Visualização Multidimensional Projeções Coleções de Documentos Coleções de Imagens
|
|
- Olívia Marroquim
- 5 Há anos
- Visualizações:
Transcrição
1 Visualização Multi-dimensional: Mineração Visual de Dados multidimensionais e alicações Parte I Rosane Minghim 8- Visualização Multidimensional Projeções Coleções de Documentos Coleções de Imagens Visualização Análise de Dados emineração Visual Projeções Exemlos: Textos e Imagens Continuidade
2 Scatter Plot Matrix Data Matrix
3 Correlation Matrix Parallel Coordinates
4 Parallel Coordinates 7 RadViz 8
5 Chernoff Faces 9 Stick Figures roerties of a line icon two attributes of the data are maed to the dislay axes the remaining attributes are maed to the angle/length of the limbs texture atterns in the isualization show certain data characteristics β γ α δ ε Stick Figure Icon A Family of Stick Figures
6 Stick Figure Icon -dimensional NOAA image data from the great lake region IBM DOLLAR IBM DOLLAR DOW JONES GOLD.US$ Peano-Hilbert Sace-Filling Cures DOW JONES Morton (Z-Cure) GOLD.US$
7 Cone Tree File system structure isualized as a cone tree Animated D isualization of hierarchical data 7
8 SOM based Self-Organization Mas (SOMs) cartográficos (ex. Skurin ) Maeamento ara o lano ermitindo a exloração. Ex: Patents surgery, drugs, molecular bio 8
9 Projection Techniques X R m f Y R,, δ: x i, x j R, x i,x j X d: y i, y j R, y i,y j Y f: X Y, δ(x i,x j ) d(f(x i ), f(x j )), x i,x j X 7 8 9
10 Problems PCA 9 dimensions 9 Problems PCA
11 Problems PCA Ex: Sammon Maing Let X be the oints in the original sace R n, we aly a distance measure d ij * between Xi an Xj., and find Y, the rojected oint, ex. R and d ij the Euclidean distance between them. Sammon s method alies an error function to measure the target.
12 Force Based Point Placement Force Scheme [Tejada et al., ] q' x'
13 Force Scheme [Tejada et al., ] q' x' Force Scheme [Tejada et al., ] < q' x'
14 Force Scheme [Tejada et al., ] < < x' > < > 7 Force Scheme [Tejada et al., ]. Maear cada onto em X ara um onto no lano (fastma, nn, etc.). Para cada onto rojetado x. Para cada onto rojetado q x. Calcular o etor de x ara q. Moer q na direção de uma fração de δ ( x, q) δ min d( x', q' ) δ max δ min. Normalizar as coordenadas entre [,] 8
15 LSP [Pauloich et al., /8] Least-Square Projection (LSP) Idéia central: rojetar um sub-conjunto de ontos e interolar o restante Interolação busca reserar a izinhança entre os ontos Cada onto é maeado dentro do fecho conexo de seus izinhos 9 LSP [Pauloich et al., /8] Três assos rinciais. Selecionar um subconjunto de ontos (ontos de controle) e rojetar esses em R. Determinar a izinhança dos ontos. Construir um sistema linear cujas resostas são as coordenadas cartesianas dos ontos i em R
16 LSP: Matriz Lalaciana Seja V i i,, iki a izinhança de um onto i e seja c i as coordenadas de i em R i i c i c j ki j V i i i i i Cada i será o centróide dos ontos em V i LSP: Matriz Lalaciana Lx, Lx,, Lx onde x, x,, x são etores contendo as coordenadas cartesianas dos ontos e L é a matriz dada or Lij ki i j j V i caso contrário L x x M M x n...
17 LSP: Adicionando os Pontos de Controle L j é um onto de controle A Cij C caso contrário b i x ci i n n < i n + nc L L L x x M M x n M M c c LSP: Visão Geral Pontos em R m Escolher os ontos de controle Projetar os ontos de controle Resoler um sistema linear esarso Pontos em R Determinar a izinhança dos ontos 7
18 8 LSP: Exemlo de Sistema L LSP: Exemlo de Sistema L
19 9 7 LSP: Exemlo de Sistema L 8 LSP: Exemlo de Sistema c L A
20 9 LSP: Exemlo de Sistema c L C A x x n c c x x x A M M LSP: Exemlo de Sistema c
21 x x n c c x x x A M M LSP: Exemlo de Sistema c y y n c c y y y A M M LSP: Exemlo de Sistema c
22 y y n c c y y y A M M LSP: Exemlo de Sistema c É necessário resoler Este sistema é resolido usando mínimos quadrados A única solução analítica será A T A é simétrica e esarsa e ode ser resolida usando a fatoração de Cholesky LSP: Resolendo o Sistema A x b ( ) T T T T A A A A A A x b x b Ax b
23 Choosing the Control Points In order to select the control oints the sace R m is slit into nc clusters using k-medoids. the control oints are the medoids of each cluster Choosing the Control Points Once the control oints are chosen, these oints are rojected onto R d through a fast dimensionality reduction method Fast Projection (Fastma or NNP) Force Placement
24 Control oints in blue 7 Content based by Projections 8
25 Exemlo de Projeção 9 Exemlo de Projeção: IDH
26 Exemlo de Projeção: Votação Point Placement by Phylogenetic Tree Construction Algorithms (N-J Trees)
27 Point Placement by Phylogenetic Tree Construction Algorithms (N-J Trees) Algorithm Neighbor-joining Inut: distance matrix. Criate a star tree for n objects.. Iteration. Select a node air (i,j) with smaller Sij (branch size). Combine nodes i and j in a new node and calculate the branch size of the new node. 7
28 Algorithm Neighbor-joining. Calculate new distance matrix, comuting the new distances from the new node to the remaining nodes.. Eliminate reious nodes i and j. If n> then iterate again. NJ similarity Tree 8
29 Alternate iew (N-J Tree) 7 8 9
30 Context: Visual Data Mining Definition [Ankerst ] ste in rocess of knowledge discoery / extraction (KDD) utilizes isualization as communication channel between comuter and user to suort identification of new and interretable atterns 9 Visualization by Projections
31 O caso de coleções de documentos Alicações Ensino/Pesquisa Busca Inestigação Patentes Laudos médicos Notícias Mas of text Collections Based on Relationshis (Borner & Chen) Co-authorshi, co-citation Based on Content Similarity and Grouing Common underlying subject Toics
32 Relationshis : Toic Busts and co-word (Mane and Borner) Relationshis : Citation and Co-citation (Borner) ()
33 Content-based Text Maing Aroach : Dimension reduction ex. MSD, SVD, PCA Aroach : Point Placement (PP) Aroach : Clustering Aroach : Projections ex. FASPMAP, NNP, LSP Content - based (Skuin) () (abstracts) SOM
34 SOM based Self-Organization Mas (SOMs) cartográficos (ex. Skurin ) 7 Content - based (Dimensional Reduction) News flash IN-SPIRE (PNL) 8
35 Content based by Projections 9 Exemlo de Projeção 7
36 Exemlo de Projeção: IDH 7 Exemlo de Projeção: Votação 7
37 Continua na Parte II : ariações e alicações 7 7
Projeções Multi-dimensionais
Prof. Fernando V. Paulovich http://www.icmc.usp.br/~paulovic paulovic@icmc.usp.br Instituto de Ciências Matemáticas e de Computação (ICMC) Universidade de São Paulo (USP) 23 de setembro de 2010 Introdução
Leia maisVisualização de Informação Parte III. Multi-dimensional Visualization: Visual Mining of Text, Images and other Multi-dimensioanl entities.
Visualização de Informação Parte III Multi-dimensional Visualization: Visual Mining of Text, Images and other Multi-dimensioanl entities. Rosane Minghim + The team Instituto de Ciências Matemáticas e de
Leia maisTécnicas de Visualização para Dados Multivariados
Técnicas de Visualização para Dados Multivariados SCC5836 Visualização Computacional Prof. Fernando V. Paulovich http://www.icmc.usp.br/~paulovic paulovic@icmc.usp.br Instituto de Ciências Matemáticas
Leia maisProcesso de Visualização - Modelo de Referência (Card et al. 1999) Maria Cristina F. de Oliveira Rosane Minghim. Classificação (Keim 1996, 2000)
Técnicas e Taxonomias de Visualização de Informação Processo de Visualização - Modelo de Referência (Card et al. 1999) Parte II (2010) Maria Cristina F. de Oliveira Rosane Minghim Classificação (Keim 1996,
Leia maisMapeamento de Dados Multi-dimensionais Integrando
Mapeamento de Dados Multi-dimensionais Integrando Mineração e Visualização Fernando V. Paulovich e Rosane Minghim Instituto de Ciências Matemáticas e de Computação (ICMC) Universidade de São Paulo (USP)
Leia maisGrupo A: Ana Catarina Aperta, Daniel Peixeiro, Pedro Antunes
Grupo A: Ana Catarina Aperta, Daniel Peixeiro, Pedro Antunes b) Para valores C, T, α, β e funções a, b, z escolhidas (inclua um caso C = 1, α = 1, β = 0 com a(t) = b(t) = (t + 1) 1, z(x) = x 2 ), apresente
Leia maisTécnicas de Visualização para Dados Multivariados
Técnicas de Visualização para Dados Multivariados SCC5836/SCC0252 Visualização Computacional Profa. Maria Cristina cristina@icmc.usp.br Instituto de Ciências Matemáticas e de Computação (ICMC) Universidade
Leia maisNúmero: Nome:
Número: Nome: -------------------------------------------------------------------------------------------------------------- INSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão Exame: 4 junho --------------------------------------------------------------------------------------------------------------.
Leia maisMÉTODOS MULTIVARIADOS. Rodrigo A. Scarpel
MÉTODOS MULTIVARIADOS Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo INTRODUÇÃO Semana Conteúdo Introdução aos métodos multivariados 1 Análise de componentes principais 2 Aplicações de análise
Leia maisProjected Clustering Algorithm
Projected Clustering Algorithm Emanuel Matos 5560105 Disciplina : Análise de Agrupamentos Prof. Dr. Ricardo Campello Dez/2010 View Problema Objetivo Definições/Premissas Algoritmo Acurácia Escalabilidade
Leia mais2COP229 Inteligência Computacional. Aula 3. Clusterização.
Aula 3 Clusterização Sumário (Clusterização) - Introdução - Aprendizado Não Supervisionado - Aprendizado Supervisionado - Introdução: Clusterização - Etapas para o processo de Clusterização - Distância
Leia maisPré processamento de dados II. Mineração de Dados 2012
Pré processamento de dados II Mineração de Dados 2012 Luís Rato Universidade de Évora, 2012 Mineração de dados / Data Mining 1 Redução de dimensionalidade Objetivo: Evitar excesso de dimensionalidade Reduzir
Leia maisAgrupamento Espectral e Hierárquico
Agrupamento Espectral e Hierárquico Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Agrupamento Espectral 2. Agrupamento Hierárquico 1 Agrupamento Espectral Agrupamento Espectral Nem
Leia maisMapas Auto Organizáveis SOMs Mapas de Kohonen
Mapas Auto Organizáveis SOMs Mapas de Kohonen PSI 2886 Princípios de Neurocomputação Edição de 2008 1 PSI 5886 Prof. Emilio Self Organizing Maps de Kohonen Estes slides foram usados nas aulas #8 e #9 na
Leia maisTeste 1 - Análise Numérica Funcional e Optimização Instituto Superior Técnico, 8 de Novembro de 2012, 12h00-13h30
Teste - Análise Numérica Funcional e Optimização Instituto Superior Técnico, 8 de Novembro de 22, 2h-3h3 (MMA,PDEC [4.] Mostre que existe pelo menos uma solução (x, y [, ] 2 para o sistema não linear (m,
Leia maisChapter 4: Unsupervised Learning
Chapter 4: Unsupervised Learning Road map Basic concepts K-means algorithm Representation of clusters Hierarchical clustering Distance functions Data standardization Handling mixed attributes Which clustering
Leia maisMapeamento de dados multi-dimensionais integrando mineração e visualização. Fernando Vieira Paulovich
Mapeamento de dados multi-dimensionais integrando mineração e visualização Fernando Vieira Paulovich SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Data de Depósito: 15.09.2008 Assinatura: Mapeamento de dados multi-dimensionais
Leia maisProva tipo A. Gabarito. Data: 8 de outubro de ) Decida se cada afirmação a seguir é verdadeira ou falsa. 1.a) Considere os vetores de R 3
Prova tipo A P2 de Álgebra Linear I 2004.2 Data: 8 de outubro de 2004. Gabarito Decida se cada afirmação a seguir é verdadeira ou falsa..a Considere os vetores de R 3 v = (, 0,, v 2 = (2,, a, v 3 = (3,,
Leia maisG3 de Álgebra Linear I
G de Álgebra Linear I 7 Gabarito ) Considere a transformação linear T : R R cuja matriz na base canônica E = {(,, ), (,, ), (,, )} é [T] E = a) Determine os autovalores de T e seus autovetores correspondentes
Leia maisINSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão
Número: Nome: -------------------------------------------------------------------------------------------------------------- INSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão Exame: 6 January 207
Leia maisMárcio Antônio de Andrade Bortoloti
Márcio Antônio de Andrade Bortoloti Departamento de Ciências Exatas e Tecnológicas - DCET Universidade Estadual do Sudoeste da Bahia Sumário 1 Definição Uma matriz quadrada de ordem n é definida positiva
Leia maisMineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra. Padrões e processos em Dinâmica de uso e Cobertura da Terra
Mineração de Dados para Detecção de Padrões de Mudança de Cobertura da Terra Padrões e processos em Dinâmica de uso e Cobertura da Terra Introdução 1 2 3 4 Capacidade de Armazenamento X Análise e Interpretação
Leia maisExercícios de matemática - revisão
Exercícios de matemática - revisão Renato Assunção - DCC, UFMG 2015 Esta lista de exercícios visa a uma revisão de fatos básicos de matemática e probabilidade que serão necessários durante a disciplina.
Leia maisINSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão
Número: Nome: -------------------------------------------------------------------------------------------------------------- INSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão Exame: 3 junho 04 --------------------------------------------------------------------------------------------------------------.
Leia maisDivisão de Engenharia Mecânica. Programa de Pós-Graduação em Engenharia Aeronáutica e Mecânica. Prova de Seleção para Bolsas 1 o semestre de 2013
Divisão de Engenharia Mecânica Programa de Pós-Graduação em Engenharia Aeronáutica e Mecânica Prova de Seleção para Bolsas 1 o semestre de 2013 28 de fevereiro de 2013 Nome do Candidato Observações 1.
Leia maisCANape/vSignalyzer. Data Mining and Report Examples Offline Analysis V
CANape/vSignalyzer Data Mining and Report Examples Offline Analysis V16.0 2018-07-30 Offline Evaluation Tools On-line Tools CANalyzer. Messages CANoe. Messages CANape. Signals Off-line Tools vsignalyzer
Leia maisThiago Christiano Silva
Thiago Christiano Silva Conteúdo Conceitos Relevantes Problemas de Otimização Conceitos de Estabilidade e Convergência Teoremas de Lyapunov Rede Neural de Hopfield Aplicações do modelo de Hopfield Clusterização
Leia maisVisualização de Informação Parte I (2010)
Visualização de Informação Parte I (2010) Rosane Minghim Danilo Medeiros Eler Visualização de Informação Área que estuda a representação visual de dados mais abstratos, tais como Grafos Árvores Texto Registros
Leia maisMapeamento de dados multidimensionais usando árvores filogenéticas: foco em mapeamento de textos. Ana Maria Cuadros Valdivia
Mapeamento de dados multidimensionais usando árvores filogenéticas: foco em mapeamento de textos Ana Maria Cuadros Valdivia SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Data de Depósito: 10 de setembro de 2007
Leia maisÁLGEBRA LINEAR I - MAT0032
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT32 12 a Lista de exercícios
Leia mais[DataSet11] D:\Fmh\Doutoramento\Tese\Dados\Quantitativos\Questionário Prof essores.sav
USE ALL. FILTER BY filter_$. EXECUTE. CLUSTER CondRelativa ImpRelativa IntegRelativa /METHOD SINGLE /MEASURE=SEUCLID /ID=Id.Prof /PRINT SCHEDULE /PRINT DISTANCE /PLOT DENDROGRAM. [DataSet] D:\Fmh\Doutoramento\Tese\Dados\Quantitativos\Questionário
Leia maisMapeamento de Domínios do Conhecimento. Técnicas e Resultados. ção. Motivaçã. Visualizaçã. ção o e Mineraçã ORGANIZAÇÃO. Rosane Minghim ORGANIZAÇÃO
Mapeamento de Domínios do Conhecimento Técnicas e Resultados Rosane Minghim Set 2005 ICMC Universidade de São Paulo 2 Motivaçã ção DISPONIBILIDADE DE INFORMAÇÃO NA FORMA TEXTUAL Resultados de busca Sítios
Leia maisSCC5895 Análise de Agrupamento de Dados
SCC89 Análise de Agrupamento de Dados Algoritmos Hierárquicos (Parte I) Prof. Eduardo Raul Hruschka PPG-CCMC / ICMC / USP Créditos O material a seguir consiste de adaptações e etensões dos originais: Elaborados
Leia maisViewing Pipeline 2D. Viewing Pipeline 2D/3D. Viewing Pipeline 2D. Viewing Pipeline 2D. Maria Cristina F. de Oliveira Rosane Minghim 2005
Viewing Pieline 2D Viewing Pieline 2D/3D Maria Cristina F. de Oliveira Rosane Minghim 2005 Processo de determinar quais objetos da cena serão exibidos na tela, e como Transformação da cena, definida no
Leia maisValores e vectores próprios
Valores e Vectores Prórios - Matemática II- /5 Valores e vectores rórios De nem-se valores e vectores rórios aenas ara matrizes quadradas, elo que, ao longo deste caítulo e quando mais nada seja eseci
Leia maisAnálise de Componentes Principais (PCA)
Análise de Componentes Principais (PCA) Lailson B. Moraes, George D. C. Cavalcanti {lbm4,gdcc}@cin.ufpe.br Roteiro Introdução Características Definição Algoritmo Exemplo Aplicações Vantagens e Desvantagens
Leia maisNúmero: Nome:
Número: Nome: 1 -------------------------------------------------------------------------------------------------------------- INSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão Exame: 2 15 Julho 2010
Leia maisCréditos. SCC5895 Análise de Agrupamento de Dados. Relembrando... Aula de Hoje. Algoritmos Hierárquicos: Parte I. [ x ] T. Algoritmos Hierárquicos
SCC Análise de Agrupamento de Dados Algoritmos Hierárquicos: Parte I Prof Ricardo J G B Campello Créditos O material a seguir consiste de adaptações e etensões dos originais: gentilmente cedidos pelo Prof
Leia maisRedes Complexas Aula 3
Redes Complexas Aula 3 Aula passada Caracterizando redes grandes Grau Distâncias Clusterização Aula de hoje Características de redes reais Centralidade de vértices Betweeness, Closeness Três Importantes
Leia maisPROGRAMAÇÃO DINÂMICA
PROGRAMAÇÃO DINÂMICA Programação dinâmica é tipicamente aplicada para problemas de otimização. O desenvolvimento de um algoritmo de programação dinâmica pode ser divido em 4 etapas. Caracterizar uma solução
Leia maisAnálise e Síntese de Algoritmos. Programação Dinâmica CLRS, Cap. 15
Análise e Síntese de Algoritmos Programação Dinâmica CLRS, Cap. 15 Contexto Revisões [CLRS, Cap. 1-10] Algoritmos em Grafos [CLRS, Cap. 22-26] Algoritmos elementares Árvores abrangentes Caminhos mais curtos
Leia maisFundamentos em Visualização
Fundamentos em Visualização SCC5836 Visualização Computacional Profa. Maria Cristina cristina@icmc.usp.br Instituto de Ciências Matemáticas e de Computação (ICMC) Universidade de São Paulo (USP) 1 / 92
Leia maisIam Vita Jabour. O Impacto de Atributos Estruturais na Identificação de Tabelas e Listas em Documentos HTML. Dissertação de Mestrado
Iam Vita Jabour O Impacto de Atributos Estruturais na Identificação de Tabelas e Listas em Documentos HTML Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de
Leia maisExercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA
Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA Licenciaturas em Engenharia do Ambiente e Química 2 o Semestre de 2005/2006 Capítulo IV Aproximação de Funções 1 Interpolação Polinomial 1. Na tabela seguinte
Leia maisAnálise de componentes principais (PCA)
Análise de componentes principais (PCA) Redução de dados Sumarizar os dados que contém muitas variáveis (p) por um conjunto menor de (k) variáveis compostas derivadas a partir do conjunto original. p k
Leia maisIntrodução a Redes 2 o semestre de Virgílio A. F. Almeida Agosto de 2006
Introdução a Redes o semestre de 6 Virgílio A. F. Almeida Agosto de 6 Redes são coleções de pontos e linhas. 3 aresta nó Rede Grafo 4 5 pontos vertices nós atores linhas Arcos, arestas Links, arestas ligações,
Leia maisGEOMETRY INTERSECTIONS PROGRAMAÇÃO 3D SIMULAÇÃO E JOGOS MEIC/IST
GEOMETRY INTERSECTIONS PROGRAMAÇÃO 3D SIMULAÇÃO E JOGOS MEIC/IST GeometryIntersections Main Bibliography: K. Suffern; Ray Tracing from the Ground Up, Chapter 19 - Ray- Object Intersections, Modelação dos
Leia maisEscalonamento Multidimensional
Programa de Pós-Graduação em Administração de Organizações (PPGAO) Análise de dados multivariados I Escalonamento Multidimensional Escalonamento Multidimensional (EMD) CAPÍTULO 9 Escalonamento Multidimensional
Leia maisAprendizagem de Dados Simbólicos e/ou Numéricos. Francisco Carvalho
Arendizagem de Dados Simbólicos e/ou Numéricos Francisco Carvalho Inut n objetos formando uma artição em m classes cada objeto é descrito or variáveis modais de semântica robabilística. Objetivo Descrever,
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 12 04/2014 Sistemas de Equações Lineares Parte 2 FATORAÇÃO LU Cálculo Numérico 3/37 FATORAÇÃO LU Uma fatoração LU de uma dada
Leia maisReflections and Shadows on Planar Surfaces
Reflections and Shadows on Planar Surfaces João Madeiras Pereira jap@inesc.pt Animation and 3D Visualisation Course 2010/2011 Reflections - Motivation Not easy to use ray-tracing techniques to simulate
Leia maisAjuste de Splines a um Conjunto de Dados
Ajuste de Splines a um Conjunto de Dados Reginaldo J. Santos Departamento de Matemática-ICE Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi regi@mat.ufmg.br 7 de junho de Seja C (I) o
Leia maisG2 de Álgebra Linear I
G de Álgebra Linear I 7. Gabarito ) Considere o conjunto de vetores W = {(,, ); (, 5, ); (,, ); (3,, ); (, 3, ); (,, )}. (a) Determine a equação cartesiana do sub-espaço vetorial V gerado pelos vetores
Leia maisthe axiom a string of characters (each one having a meaning) that is used to start the generation of the fractal and an angle θ,
UFMG/ICEx/DCC Algoritmos e Estruturas de Dados II Exercício de Programação 3 Bacharelado em Ciência da Computação 2 o semestre de 2005 Informações sobre o exercício de programação Data que o trabalho deve
Leia maisK-MEANS COM ÁRVORES KD
2 Roteiro K-MEANS COM ÁRVORES KD Rodrigo Coelho Barros Árvores KD O que são? Algoritmo de Bentley (1975) Métodos de divisão K-Means com árvores KD Algoritmo de filtragem (Kanungo et al., 2002) Exemplo
Leia maisAmostras não Uniformes e Reconstrução em Espaços
Amostras não Uniformes e Reconstrução em Espaços de Translações Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi 9 de novembro de 00
Leia maisVisualização de Informação: Processo, Técnicas e Ferramentas
Faculdade de Ciências e Tecnologia Departamento de Matemática e Computação Bacharelado em Ciência da Computação Visualização de Informação: Processo, Técnicas e Ferramentas Prof. Dr. (rogerio@fct.unesp.br)
Leia maisNúmero: Nome:
Número: Nome: -------------------------------------------------------------------------------------------------------------- INSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão Exame: 2 6 Julho 2009
Leia maisCLARA. Resumo. Introdução. Artigo de Referência [1] Introdução PAM. Modelagem como grafo CLARANS. Comparação de eficiência Conclusão
Resumo CLARANS Diego Raphael Amancio Introdução PAM CLARA CLARANS Comparação de eficiência Conclusão 2 Artigo de Referência [1] Introdução Imagem do artigo original entitulado Efficient and Effective Clustering
Leia maisSistemas Lineares. ( Aula 3 )
Sistemas Lineares ( Aula 3 ) Determinante Definição: Determinante Matriz quadrada é a que tem o mesmo número de linhas e de colunas (ou seja, é do tipo n x n). A toda matriz quadrada está associado um
Leia maisTutorial 1. Introdução
Tutorial 1 Introdução Os dados espaciais são codificados em relação a algum Sistema de Coordenadas Geográficas. Neste caso, cada posição sobre o modelo de referência, utilizado para representar a superfície
Leia maisfolha prática 5 valores próprios e vetores próprios página 1/3
folha prática 5 valores próprios e vetores próprios página 1/ Universidade de Aveiro Departamento de Matemática 1. Determine os valores próprios e vetores próprios de cada uma das seguintes matrizes. Averigue
Leia maisOrganização. 1. Introdução 2. Medidas de Similaridade. hierárquicos, de partição) 4. Critérios numéricos para definir o número de clusters
Organização. Introdução 2. Medidas de Similaridade 3. Métodos de Agrupamento (métodos hierárquicos, de partição) 4. Critérios numéricos para definir o número de clusters Métodos de Partição Cada exemplo
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Tipos de Aprendizagem. Luiz Eduardo S. Oliveira, Ph.D.
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Tipos de Aprendizagem Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Introduzir diferentes tipos de
Leia maisGEOMETRIA II EXERCÍCIOS RESOLVIDOS - ABRIL, 2018
GEOMETRIA II EXERCÍCIOS RESOLVIDOS - ABRIL, 08 ( Seja a R e f(x, y ax + ( ay. Designe por C a a cónica dada por f(x, y 0. (a Mostre que os quatro pontos (±, ± R pertencem a todas as cónicas C a (independentemente
Leia maisEm contraste aos métodos de aprendizado que constroem uma descrição explicita genérica da função alvo. Os métodos baseados em instâncias guardam os
Em contraste aos métodos de aprendizado que constroem uma descrição explicita genérica da função alvo. Os métodos baseados em instâncias guardam os exemplos de treinamento A generalização é posposta até
Leia maisUNIVERSIDADE DE COIMBRA - FACULDADE DE CIÊNCIAS E TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA ALGORITMO DO PONTO MÉDIO PARA
UNIVERSIDADE DE COIMBRA - FACULDADE DE CIÊNCIAS E TECNOLOGIA DEPARTAMENTO DE MATEMÁTICA ALGORITMO DO PONTO MÉDIO PARA A RASTERIZAÇÃO DA ELIPSE OBJECTIVO: O resente trabalho tem or objectivo ilustrar o
Leia maisIntrodução à Mineração de Dados com Aplicações em Ciências Espaciais
Introdução à Mineração de Dados com Aplicações em Ciências Espaciais Escola de Verão do Laboratório Associado de Computação e Matemática Aplicada Rafael Santos Dia 4: 1 /57 Programa Dia 1: Apresentação
Leia maisMap05 - Métodos Matriciais Computacionais Mat Álgebra Matricial Computacional Primeiro Exercicio Computacional, entregar ao Prof: 22/10/2012
Mat0050 - Álgebra Matricial Computacional Primeiro Exercicio Computacional, entregar ao Prof: 22/0/202 Assunto: Normais vetoriais, BLAS e Fortran90 Objetivo: Completar estudo dirigido que não pode ser
Leia maisProvably Good Quality Multi-triangulation of Surfaces
Provably Good Quality Multi-triangulation of Surfaces Esdras Medeiros (Departamento de Matemática - UFC) and Marcelo Siqueira (DIMAP - UFRN) Luiz Velho 60-2017 IMPA, Rio de Janeiro, RJ, Brazil 1 Manifold
Leia maisBoids Model Applied to Cell Segregation
Boids Model Applied to Cell Segregation L G Brunnet, J Belmonti, G L Thomas, R M C de Almeida, H Chaté Instituto de Física, Univ. Federal do Rio Grande do Sul, Brasil and CEA-Saclay, France XXVIII Encontro
Leia maisAlgebra Linear. 1. Ortonormalização. 2. Sistema de Equações Lineares. pag.1 Teoria de Sistemas Lineares Aula 6. c Reinaldo M.
Algebra Linear 1. Ortonormalização 2. Sistema de Equações Lineares pag.1 Teoria de Sistemas Lineares Aula 6 Ortonormalização Um vetor x é dito estar normalizado se sua norma Euclidiana é igual a 1, ie,
Leia maisComunicação Científica I
Faculdade de Engenharia da Universidade do Porto Programa Doutoral em Engenharia Biomédica 2008/2009 Disciplina: Comunicação Científica I Relatório sobre as actividades de investigação, trabalhos e comunicações
Leia maisMatemática Computacional - 2 o ano LEMat e MEQ
Instituto Superior Técnico Departamento de Matemática Secção de Matemática Aplicada e Análise Numérica Matemática Computacional - o ano LEMat e MEQ Exame/Teste - 1 de Janeiro de 1 - Parte I (1h3m) 1. Considere
Leia maisDisciplina que estuda métodos analíticos para auxiliar na tomada de decisões.
Edgard Jamhour Disciplina que estuda métodos analíticos para auxiliar na tomada de decisões. Procura encontrar soluções ótimas ou próximo de ótimas para problemas de engenharia industrial, economia e finanças,
Leia maisINSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão
Número: Nome: -------------------------------------------------------------------------------------------------------------- INSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão Exame: 2 Solution 25
Leia maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Regressão. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Regressão David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Regressão Linear ( e Múltipla ) Não-Linear ( Exponencial / Logística
Leia maisResolução do Exame Tipo
Departamento de Matemática e Engenharias Análise e Computação Numérica Resolução do Exame Tipo 1. O computador IBM 3090 possuía um sistema de vírgula flutuante F F(16, 5, 65, 62) (em precisão simples),
Leia maisSumário DBSCAN kd-trees DBSCAN com kd-trees DBSCAN. DBSCAN Parâmetros: Eps e MinPts Algoritmo: R*-Trees DBSCAN com R*-Trees. Noise
Usando kd-trees Sumário DSN kd-trees DSN com kd-trees Outras Estruturas R*-Trees DSN com R*-Trees Lucas Vendramin DSN Ponto ore Ponto order Ponto Noise DSN Parâmetros: Eps e MinPts lgoritmo:. Rotular os
Leia maisNúmero: Nome:
Número: Nome: 1 -------------------------------------------------------------------------------------------------------------- INSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão Exame 1 20 junho 2006
Leia maisINSTITUTO SUPERIOR TÉCNICO Licenciatura em Engenharia Física Tecnológica Licenciatura em Engenharia e Gestão Industrial Ano Lectivo: 2002/
INSTITUTO SUPERIOR TÉCNICO Licenciatura em Engenharia Física Tecnológica Licenciatura em Engenharia e Gestão Industrial Ano Lectivo: / ANÁLISE NUMÉRICA Exercícios Considere o sistema linear 6 x 5 y = a)
Leia maisIntroduzir os conceitos de base e dimensão de um espaço vetorial. distinguir entre espaços vetoriais de dimensão fnita e infinita;
META Introduzir os conceitos de base e dimensão de um espaço vetorial. OBJETIVOS Ao fim da aula os alunos deverão ser capazes de: distinguir entre espaços vetoriais de dimensão fnita e infinita; determinar
Leia maisCourse Review for Midterm Exam 1. Cpt S 223 Fall 2010
Course Review for Midterm Exam 1 Cpt S 223 Fall 2010 1 Midterm Exam 1 When: Friday (10/15) 10:10-11am Where: in class Closed book, closed notes Comprehensive Material for preparation: Lecture slides &
Leia maisDivisão de Engenharia Mecânica. Programa de Pós-Graduação em Engenharia Aeronáutica e Mecânica. Prova de Seleção para Bolsas 1 o semestre de 2014
Divisão de Engenharia Mecânica Programa de Pós-Graduação em Engenharia Aeronáutica e Mecânica Prova de Seleção para Bolsas 1 o semestre de 2014 07 de março de 2014 Nome do Candidato Observações 1. Duração
Leia maisPara calcular o polinómio de Lagrange noutros pontos Ficheiro polagrangeval.m
Análise Numérica LEC Help 13 Interpolação Método de Lagrange Ficheiro polagrange.m Determina o polinomio interpolador de Lagrange que aproxima a tabela (x,y). c=polagrange(x,y)- determina so as coordenadas
Leia mais1ª PROVA ICIN 1º/2015
ENE/FT/UnB Deartamento de Engenharia Elétrica Faculdade de Tecnologia Universidade de Brasília Prof. Adolfo Bauchsiess Laboratório de Automação e Robótica 63848 INTRODUÇÃO AO CONTROLE INTELIGENTE NUMÉRICO
Leia maisOs espelhos esféricos são calotas esféricas polidas.
s eselhos esféricos são calotas esféricas olidas. Côncavo Polido or dentro Convexo Polido or fora C R E.S. V E.P. Centro de Curvatura (C): É o centro da suerfície esférica. Raio de Curvatura (R): É o raio
Leia maisPasso a passo: Software Adjust v (disponível em: Ajustamento de redes de nivelamento altimétrico
Passo a passo: Software Adjust v.6.0.2 (disponível em: http://www.personal.psu.edu/cdg3/free.htm) Criar um novo arquivo: File New Ajustamento de redes de nivelamento altimétrico Inserir os dados da rede
Leia maisAcessando catálogos modernos em Astronomia: dicas e práticas
Acessando catálogos modernos em Astronomia: dicas e práticas Walter A. Santos Jr. (walter.augusto@gmail.com) IAG/USP 07/04/2017 Introdução Catálogo: conjunto de objetos astronômicos + suas informações
Leia maisMulti-Layer. Perceptrons. Algoritmos de Aprendizado. Perceptrons. Perceptrons
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square) Multi-Layer Perceptrons (Back Propagation) Radial Basis Functions (RBFs) Competitive Learning Hopfield Multi-Layer Perceptrons
Leia maisP4 de Álgebra Linear I de junho de 2005 Gabarito
P4 de Álgebra Linear I 25.1 15 de junho de 25 Gabarito 1) Considere os pontos A = (1,, 1), B = (2, 2, 4), e C = (1, 2, 3). (1.a) Determine o ponto médio M do segmento AB. (1.b) Determine a equação cartesiana
Leia maisSistemas de Equações Lineares
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 998/99 Sistemas de Equações Lineares PROBLEMAS Considere o seguinte sistema de equações da forma Ax = b : 3 2 3 2 2 2 2 x x
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). R é o conjunto dos reais; R n é o conjunto dos vetores n-dimensionais reais; Os vetores
Leia maisRESISTÊNCIA DOS MATERIAIS 2 Marcel Merlin dos Santos
03/11/017 RESISTÊNIA DOS MATERIAIS Marcel Merlin dos Santos TENSÃO EM EIXOS QUE SE DEVE À ARGA AXIAL E À TORÇÃO Ocasionalmente os eios circulares são submetidos a efeitos combinados de carga aial e torção.
Leia maisComputação e Programação 2009 / 2010
Computação e Programação 2ª Aula de Problemas Instituto Superior Técnico, Dep. de Engenharia Mecânica - ACCAII Exercícios Resolvidos [Livro 1] (Ver referências no slide 20) 3.3 Write a program to convert
Leia maisÁLGEBRA LINEAR I - MAT Em cada item diga se a afirmação é verdadeira ou falsa. Justifiquei sua resposta.
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e Da Natureza Centro Interdisciplinar de Ciências da Natureza ÁLGEBRA LINEAR I - MAT0032 2 a Lista de
Leia maisLista 8 de Álgebra Linear /01 Produto Interno
Lista 8 de Álgebra Linear - / Produto Interno. Sejam u = (x x e v = (y y. Mostre que temos um produto interno em R nos seguintes casos: (a u v = x y + x y. (b u v = x y x y x y + x y.. Sejam u = (x y z
Leia maisRendering Volumétrico Direto A versão resumida. Haim Levkowitz Maria Cristina F. de Oliveira Rosane Minghim
Rendering Volumétrico Direto A versão resumida Haim Levkowitz Maria Cristina F. de Oliveira Rosane Minghim Overview Rendering de superfícies vs. volumes Rendering Volumétrico Direto Ray casting Abordagens
Leia maisÁlgebra Linear e Geometria Anaĺıtica. Matrizes e Sistemas de Equações Lineares
universidade de aveiro departamento de matemática Álgebra Linear e Geometria Anaĺıtica Agrupamento IV (ECT, EET, EI) Capítulo 1 Matrizes e Sistemas de Equações Lineares Geometria anaĺıtica em R 3 [1 01]
Leia maisP3 de Álgebra Linear I
P3 de Álgebra Linear I 2012.2 1 de dezembro de 2012. Gabarito 1) Considere a transformação linear T : R 3 R 3 cuja matriz na base canônica é : 31 2 5 [T ] ε = 2 34 10 5 10 55 Sabendo que todos os vetores
Leia mais