Reconhecimento de Padrões

Tamanho: px
Começar a partir da página:

Download "Reconhecimento de Padrões"

Transcrição

1 Engenharia Informática (ramos de Gestão e Industrial) Departamento de Sistemas e Informação Reconhecimento de Padrões Projecto Final 2004/2005 Realizado por: Prof. João Ascenso. Departamento de Sistemas e Informática Data: 29/10/2003

2 1 Introdução O objectivo deste trabalho consiste em realizar um sistema completo de reconhecimento de padrões utilizando dados reais. O projecto de reconhecimento de padrões consiste na aplicação dos algoritmos estudados a um problema real, como por exemplo a classificação de mensagens de . Da mesma forma que está organizada a disciplina, o vosso projecto abrange três áreas distintas: a aprendizagem supervisionada (classificação), aprendizagem não supervisionada (clustering) e a classificação com árvores de decisão. Para cada um destas áreas as bases de dados com que irão trabalhar estão disponíveis na página da disciplina. Cada base de dados corresponde a um problema de classificação ou de agrupamento distinto e para o resolverem devem utilizar os algoritmos leccionados nesta disciplina e aqui propostos (http://ltodi.est.ips.pt/jascenso/padroes/index.htm). Para os projectos de aprendizagem supervisionada e das árvores de decisão, o vosso trabalho deve ser dividido em duas fases distintas: Aprendizagem ou treino do classificador. Classificação e avaliação de desempenho do classificador. Para o projecto da aprendizagem não supervisionada, é necessário efectuar o agrupamento dos dados segundo uma medida, respectiva função de custo e algoritmo (e.g. k-médias). De seguida devem avaliar o sucesso no agrupamento de dados através de uma avaliação subjectiva ou através de um conjunto de validação. 2 Objectivos do trabalho Os objectivos do trabalho final da disciplina de reconhecimento de padrões consiste em testar os vossos conhecimentos nesta área através da resolução de um problema de aprendizagem supervisionada e um problema de aprendizagem não supervisionada ou de árvores de decisão. Assim, de todos os problemas disponíveis devem escolher dois problemas que achem interessantes: Um na área da aprendizagem supervisionada (Secção 3.1). Outro na área de aprendizagem não supervisionada (Secção 3.2) ou na área de árvores de decisão (Secção 3.3). 3 Bases de dados disponíveis Devem utilizar as seguintes bases de dados aqui referidas e disponíveis na página da disciplina. Cada base de dados é aqui descrita em conjunto com o objectivo do vosso trabalho. Estas bases de dados também estão disponíveis online em: Além das bases de

3 dados aqui disponibilizadas, podem procurar e utilizar outras bases de dados (por exemplo em e propor a resolução de qualquer outro problema. 3.1 Aprendizagem supervisionada Para o algoritmos de aprendizagem supervisionada devem escolher uma das seguintes bases de dados: Letter Recognition Dataset: Esta base de dados contêm um conjunto de atributos (17) obtidos a partir de um conjunto de imagens com as letras do alfabeto A a Z (letra grande). O objectivo deste trabalho é classificar uma imagem (com uma única letra) como uma das 26 letras do alfabeto. Image Segmentation Dataset: Esta base de dados contêm um conjunto de atributos (19) obtidos a partir de uma região de uma fotografia. As classes definidas, correspondem a tipos de regiões típicos em imagens ao ar livre: brickface, sky, foliage, cement, window, path, grass. O objectivo deste trabalho é classificar uma dada região da imagem como pertencendo a uma das 7 categorias. 3.2 Aprendizagem supervisionada No caso da classificação não supervisionada ou clustering estão disponíveis as seguintes bases de dados: Corel Image DataSet: Esta base de dados é constituída por 1000 imagens em variadas condições. O principal objectivo é agrupar imagens semelhantes através de características (ou atributos) baseados na cor. Existem várias características que podem ser utilizadas, sugere-se a utilização de um simples histograma da imagem (função Matlab imhist), ou de medidas como a cor média, cor dominante, etc. A avaliação dos resultados dos algoritmos deve ser realizada subjectivamente. Logo DataSet: Esta base de dados é constituída por várias imagens a preto e branco e o objectivo é agrupar imagens semelhantes que sofreram diversas transformações espaciais, e.g. rotações, cortes, zooms, etc. Para obterem as características (ou atributos) de cada uma das imagens devem utilizar a função imfeature do Matlab, que retorna um conjunto de características geométricas. Para avaliar o desempenho dos algoritmos devem averiguar se cada uma das imagens foi agrupada correctamente. Segmentação de imagens: O objectivo deste trabalho é segmentar uma imagem em várias regiões. A base de dados a utilizar por este trabalho pode consistir em qualquer imagem retirada

4 do Corel Image DataSet ou mesmo de fotografias obtidas por vocês. Os algoritmos implementados devem ser avaliados, segundo a qualidade da segmentação, i.e. se cada região corresponde um objecto com significado semântico presente na imagem. As características (ou atributos) correspondem aos valores dos pixels (R, G, B) de cada imagem. 3.3 Árvores de decisão Para o caso da classificação com árvores de decisão estão disponíveis as seguintes bases de dados: Mushrooms Dataset: Esta base de dados contêm um conjunto de atributos físicos de 23 espécies de cogumelos. Cada espécie é classificada como comestível ou venenosa. O principal objectivo é classificar um dado cogumelo (identificado através do seu conjunto de atributos físicos) que pertence a uma espécie desconhecida, como comestível ou venenoso. Titanic DataSet: Esta base de dados contêm quatro atributos para cada uma das 2201 pessoas no Titanic quando este se afundou. Os atributos são a classe social (1ª classe, 2ª classe, etc.) a idade (adulto ou criança), o sexo e se a pessoa sobreviveu ou não. O objectivo é analisar os dados, procurar um padrão (p.e. a maior parte dos sobreviventes eram do sexo masculino) e obter a probabilidade de uma dada pessoa sobreviver ou não ao acidente do Titanic. 4 Algoritmos de classificação Para resolverem qualquer um dos problemas acima descritos, devem utilizar um algoritmos estudados na disciplina de reconhecimento de padrões. Para o caso da aprendizagem supervisionada, devem implementar os seguintes algoritmos: Estimação de Máxima Verosimilhança (método paramétrico). Método dos k-vizinhos mais próximos (método não paramétrico). Para o caso da aprendizagem não supervisionada, devem escolher dois dos seguintes algoritmos: Algoritmo de k-médias ou LBG. Algoritmo ISODATA. Agrupamento hierárquico ou divisivo. Para o caso das árvores de decisão, devem implementar o algoritmo ID3.

5 Para qualquer algoritmo devem afinar os parâmetros existentes e experimentar diversas opções. Por exemplo, para o método dos k-vizinhos mais próximos devem verificar a influência do valor de k no desempenho e as várias medidas de distância (e.g. distância euclidiana, city block, etc.). Opcionalmente, podem utilizar o algoritmo PCA, para descorrelacionar o vector de características dos dados e averiguar se conseguem obter um desempenho superior através deste algoritmo. Para qualquer destas bases de dados devem definir um conjunto de teste e um conjunto de treino. Também devem verificar a influência da dimensão de cada conjunto de teste e de treino no desempenho dos algoritmos. Para cada base de dados existem um conjunto de ficheiros com mais informação sobre os atributos e sobre o conjunto de teste e de treino a utilizar para desenvolver e testar os algoritmos. 5 Relatório final O principal objectivo do relatório é avaliar a vossa capacidade de exposição do trabalho realizado e o domínio dos algoritmos implementados. Deste modo é fundamental que contenha pelo menos as seguintes componentes: Uma descrição concisa do problema. Descrição detalhada da vossa solução ao problema. Resultados obtidos com os algoritmos escolhidos. Um discussão sobre a validade dos vossos resultados. Um apêndice com o código MATLAB (ou outro) produzido. O relatório deve ser curto e não deve exceder mais de 8 páginas. Todos os projectos são submetidos a uma avaliação oral. Antes de realizarem o vosso trabalho é obrigatório a realização de um relatório provisório onde indicam qual é o problema que escolheram, os algoritmos que desejam implementar, bem como algumas dúvidas que tenham em relação à realização do projecto.

Reconhecimento de Objectos

Reconhecimento de Objectos Dado um conjunto de características, relativas a uma região (objecto), pretende-se atribuir uma classe essa região, seleccionada de um conjunto de classes cujas características são conhecidas O conjunto

Leia mais

Reconhecimento de Padrões. Reconhecimento de Padrões

Reconhecimento de Padrões. Reconhecimento de Padrões Reconhecimento de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superior de Tecnologia Engenharia Informática Reconhecimento de Padrões Prof. João Ascenso e Prof.

Leia mais

Classificação de Imagens

Classificação de Imagens Universidade do Estado de Santa Catarina Departamento de Engenharia Civil Classificação de Imagens Profa. Adriana Goulart dos Santos Extração de Informação da Imagem A partir de uma visualização das imagens,

Leia mais

Portal AEPQ Manual do utilizador

Portal AEPQ Manual do utilizador Pedro Gonçalves Luís Vieira Portal AEPQ Manual do utilizador Setembro 2008 Engenharia Informática - Portal AEPQ Manual do utilizador - ii - Conteúdo 1 Introdução... 1 1.1 Estrutura do manual... 3 1.2 Requisitos...

Leia mais

Resultados Experimentais

Resultados Experimentais Capítulo 6 Resultados Experimentais Este capítulo é dedicado às avaliações experimentais do sistema CBIR. Os experimentos aqui realizados têm três objetivos principais: comparar os nossos resultados com

Leia mais

Engenharia de Software

Engenharia de Software Engenharia de Software 2º Semestre de 2006/2007 Terceiro enunciado detalhado do projecto: Portal OurDocs ic-es+alameda@mega.ist.utl.pt ic-es+tagus@mega.ist.utl.pt 1. Introdução O terceiro enunciado do

Leia mais

Técnicas de pesquisa avançada na Internet

Técnicas de pesquisa avançada na Internet Técnicas de pesquisa avançada na Internet Palavra(s) chave Um dos aspectos mais importantes a ter em conta quando se procura informação na Internet é a(s) palavra(s) inserida(s) no motor de pesquisa utilizado.

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Alessandro L. Koerich Algoritmo k Means Mestrado/Doutorado em Informática (PPGIa) Pontifícia Universidade Católica do Paraná (PUCPR) 2 Problema do Agrupamento Seja x = (x 1, x 2,,

Leia mais

Entrega de Folhas de Férias

Entrega de Folhas de Férias Entrega de Folhas de Férias Guia do Utilizador Versão 4.0 Agosto/ 2014 Índice 1. Introdução 2. Criar/ Validar Folhas de Férias 3. Acesso à funcionalidade 4. Inserir/ Consultar Folhas de Férias 5. Comprovativo

Leia mais

Instituto Politécnico de Beja. Escola Superior de Tecnologia e Gestão

Instituto Politécnico de Beja. Escola Superior de Tecnologia e Gestão Instituto Politécnico de Beja Escola Superior de Tecnologia e Gestão Curso de Engenharia Informática Disciplina de Estrutura de dados e Algoritmos 2º Ano - 1º Semestre Relatório Connected Component Labeling

Leia mais

Programação https://fenix.ist.utl.pt/disciplinas/pro/ deec-prog@disciplinas.ist.utl.pt

Programação https://fenix.ist.utl.pt/disciplinas/pro/ deec-prog@disciplinas.ist.utl.pt Programação https://fenix.ist.utl.pt/disciplinas/pro/ deec-prog@disciplinas.ist.utl.pt Sumário Corpo Docente Página da disciplina Funcionamento Avaliação Suporte informático 01-2 Corpo Docente Aulas teóricas/problemas

Leia mais

Bélgica-Bruxelas: Alojamento do sítio Internet do Comité das Regiões (CR) 2015/S 086-154249. Anúncio de concurso. Serviços

Bélgica-Bruxelas: Alojamento do sítio Internet do Comité das Regiões (CR) 2015/S 086-154249. Anúncio de concurso. Serviços 1/5 O presente anúncio no sítio web do TED: http://ted.europa.eu/udl?uri=ted:notice:154249-2015:text:pt:html Bélgica-Bruxelas: Alojamento do sítio Internet do Comité das Regiões (CR) 2015/S 086-154249

Leia mais

Recuperação de Informação em Bases de Texto. Aula 10

Recuperação de Informação em Bases de Texto. Aula 10 Aula 10 1 Agrupamento/ clustering de documentos: Agrupar os documentos em classes/grupos, de acordo com a sua semelhança Aprendizagem não supervisionada Sem conjunto de treino/exemplos 2 3 Agrupamento/

Leia mais

Aplicações de Escritório Electrónico

Aplicações de Escritório Electrónico Universidade de Aveiro Escola Superior de Tecnologia e Gestão de Águeda Curso de Especialização Tecnológica em Práticas Administrativas e Tradução Aplicações de Escritório Electrónico Microsoft Word Folha

Leia mais

Manual do Utilizador

Manual do Utilizador Faculdade de Ciências e Tecnologia da Universidade de Coimbra Departamento de Engenharia Electrotécnica e Computadores Software de Localização GSM para o modem Siemens MC35i Manual do Utilizador Índice

Leia mais

Modelo Entidade-Relacionamento

Modelo Entidade-Relacionamento Modelo Entidade-Relacionamento ome Designação Doc... #Disc... Docente Ensina Disciplina Abordagem proposta por Peter P. Chen (década de 70) para o processo de modelação de dados com ampla aceitação; Trabalho

Leia mais

Introdução. Capítulo 1

Introdução. Capítulo 1 Capítulo 1 Introdução Em computação, muitos problemas são resolvidos por meio da escrita de um algoritmo que especifica, passo a passo, como resolver um problema. No entanto, não é fácil escrever um programa

Leia mais

Curso de Engenharia Informática. Disciplina de Bases de Dados I

Curso de Engenharia Informática. Disciplina de Bases de Dados I Curso de Engenharia Informática Disciplina de Bases de Dados I Docente: Prof ª Elsa Rodrigues Alunos: João Miguel Faleiro Caixinha (Aluno 5946) José Luis Ribeiro Barriga (Aluno 5952) Beja, 30 de Abril

Leia mais

Aprendizagem de Máquina. Ivan Medeiros Monteiro

Aprendizagem de Máquina. Ivan Medeiros Monteiro Aprendizagem de Máquina Ivan Medeiros Monteiro Definindo aprendizagem Dizemos que um sistema aprende se o mesmo é capaz de melhorar o seu desempenho a partir de suas experiências anteriores. O aprendizado

Leia mais

PROJ. Nº 528362 LLP-1-2012-1-NL-ERASMUS-ECUE

PROJ. Nº 528362 LLP-1-2012-1-NL-ERASMUS-ECUE REDIVE GUIA LMS PROJ. Nº 528362 LLP-1-2012-1-NL-ERASMUS-ECUE Projecto financiado com o apoio da Comissão Europeia. A informação contida nesta publicação vincula exclusivamente o autor, não sendo a Comissão

Leia mais

Mini-Projecto de PAII Ano Lectivo 2000/01

Mini-Projecto de PAII Ano Lectivo 2000/01 Departamento de Engenharia Informática Faculdade de Ciências e Tecnologia da Universidade de Coimbra Mini-Projecto de PAII Ano Lectivo 2000/01 Implementação do Jogo Caverna 1 Descrição do Jogo No jogo

Leia mais

Ambiente de Aprendizagem Moodle FPD Manual do Aluno

Ambiente de Aprendizagem Moodle FPD Manual do Aluno Ambiente de Aprendizagem Moodle FPD Manual do Aluno Maio 2008 Conteúdo 1 Primeiros passos...4 1.1 Tornando-se um usuário...4 1.2 Acessando o ambiente Moodle...4 1.3 O ambiente Moodle...4 1.4 Cadastrando-se

Leia mais

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para

Leia mais

Introdução à Programação B Licenciatura em Engenharia Informática. Enunciado do trabalho prático. Quem quer ser milionário? 20 de Dezembro de 2007

Introdução à Programação B Licenciatura em Engenharia Informática. Enunciado do trabalho prático. Quem quer ser milionário? 20 de Dezembro de 2007 Introdução à Programação B Licenciatura em Engenharia Informática Enunciado do trabalho prático Quem quer ser milionário? 20 de Dezembro de 2007 1. Introdução Quem quer ser milionário? é um jogo televisivo

Leia mais

DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS

DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS Planificação Anual da Disciplina de TIC Módulos 1,2,3-10.ºD CURSO PROFISSIONAL DE TÉCNICO DE APOIO À GESTÃO DESPORTIVA Ano Letivo 2015-2016 Manual adotado:

Leia mais

Programação III / Estruturas de Dados. Enunciado do Trabalho Prático

Programação III / Estruturas de Dados. Enunciado do Trabalho Prático Programação III / Estruturas de Dados Enunciado do Trabalho Prático 1. Objectivo Pretende-se implementar uma base de dados que sirva para ajudar uma agência de viagens a planear as viagens a realizar pelos

Leia mais

ENGENHARIA DE SOFTWARE ExtremePlanner

ENGENHARIA DE SOFTWARE ExtremePlanner ENGENHARIA DE SOFTWARE ExtremePlanner Acesso ao sistema: https://es.extremeplannerlive.com Procedimento de Login: O login e password é definido pelos caracteres iniciais do endereço de email do aluno,

Leia mais

Curso de Eng. Informática Linguagens de Programação. C Sharp University Data Processing. (C Sharp Universidade de Processamento de Dados) Docente:

Curso de Eng. Informática Linguagens de Programação. C Sharp University Data Processing. (C Sharp Universidade de Processamento de Dados) Docente: Trabalho elaborado por: Carlos Palma nº5608 Curso de Eng. Informática Linguagens de Programação C Sharp University Data Processing (C Sharp Universidade de Processamento de Dados) Docente: José Jasnau

Leia mais

Computação Adaptativa

Computação Adaptativa Departamento de Engenharia Informática Faculdade de Ciências e Tecnologia Universidade de Coimbra 2007/08 Computação Adaptativa TP2 OCR Optical Character Recognition Pedro Carvalho de Oliveira (MEI) Nº

Leia mais

Modelo de Domínio vs Modelo da Aplicação

Modelo de Domínio vs Modelo da Aplicação 174 Modelo de Domínio vs Modelo da Aplicação O que é o modelo de domínio? Resposta: é antes de mais um glossário de projecto, porque Identifica os termos utilizados Representa as relações existentes entre

Leia mais

AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO

AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA 7.º ANO PLANIFICAÇÃO GLOBAL Planificação 7º ano 2012/2013 Página 1 DOMÍNIO TEMÁTICO: NÚMEROS

Leia mais

ANÁLISE DA FERRAMENTA WEB 2.0

ANÁLISE DA FERRAMENTA WEB 2.0 Nome: CALAMÉO Endereço: http://www.go2web20.net/site/?a=calameo Criar publicações Web interactivas. É uma ferramenta atractiva, na medida em que dispõe de imagens informativas, tornando a sua exploração

Leia mais

Transcrição Automática de Música

Transcrição Automática de Música Transcrição Automática de Música Ricardo Rosa e Miguel Eliseu Escola Superior de Tecnologia e Gestão do Instituto Politécnico de Leiria Departamento de Engenharia Informática A transcrição automática de

Leia mais

AUDITORIAS DA QUALIDADE

AUDITORIAS DA QUALIDADE AUDITORIAS DA QUALIDADE O uso de planos de auditoria é um importante mecanismo adoptado em sistemas da qualidade, no âmbito do relacionamento entre vários departamentos ou empresas dentro de um determinado

Leia mais

Classificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões

Classificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos

Leia mais

Jogo de Tabuleiro - Mancala Relatório Final

Jogo de Tabuleiro - Mancala Relatório Final Jogo de Tabuleiro - Mancala Relatório Final Inteligência Artificial 3º ano do Mestrado Integrado em Engenharia Informática e Computação Elementos do Grupo: Bruno Lima 080509068 bruno.lima@fe.up.pt Pedro

Leia mais

Guia de Acesso à Formação Online Formando

Guia de Acesso à Formação Online Formando Guia de Acesso à Formação Online Formando Copyright 2008 CTOC / NOVABASE ÍNDICE ÍNDICE...2 1. Introdução...3 2. Metodologia Formativa...4 3. Actividades...5 4. Apoio e Acompanhamento do Curso...6 5. Avaliação...7

Leia mais

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron. 1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando

Leia mais

Expansão de Imagem #2

Expansão de Imagem #2 Faculdade de Engenharia da Universidade do Porto Engenharia Electrotécnica e de Computadores Expansão de Imagem #2 Televisão Digital António Alberto da Silva Marques Pedro Ricardo dos Reis Porto, 2004

Leia mais

Indicações para a elaboração do trabalho a realizar em horário extra lectivo

Indicações para a elaboração do trabalho a realizar em horário extra lectivo Instituto Politécnico de Viseu Escola Superior de Tecnologia Curso: Eng a Mecânica e G. I. Ano: 1 o Semestre: 2 o Ano Lectivo: 2005/2006 Indicações para a elaboração do trabalho a realizar em horário extra

Leia mais

Tecnologias de Informação e Comunicação Página 1 de 5

Tecnologias de Informação e Comunicação Página 1 de 5 1. Descrição da prova A prova irá abranger várias tarefas de utilização do software do Microsoft Office2007 e software gráfico como o Adobe Photoshop CS4 ou Adobe Fireworks CS4. As principais áreas abrangidas

Leia mais

Sistemas Operativos - 2005/2006. Trabalho Prático v1.0

Sistemas Operativos - 2005/2006. Trabalho Prático v1.0 Instituto Politécnico de Viseu Escola Superior de Tecnologia de Viseu Engenharia de Sistemas e Informática Sistemas Operativos - 2005/2006 Trabalho Prático v1.0 Introdução O presente trabalho prático visa

Leia mais

Vetor Quantização e Aglomeramento (Clustering)

Vetor Quantização e Aglomeramento (Clustering) (Clustering) Introdução Aglomeramento de K-partes Desafios do Aglomeramento Aglomeramento Hierárquico Aglomeramento divisivo (top-down) Aglomeramento inclusivo (bottom-up) Aplicações para o reconhecimento

Leia mais

INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por

INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática. (1) Data Mining Conceitos apresentados por INTELIGÊNCIA ARTIFICIAL Data Mining (DM): um pouco de prática (1) Data Mining Conceitos apresentados por 1 2 (2) ANÁLISE DE AGRUPAMENTOS Conceitos apresentados por. 3 LEMBRE-SE que PROBLEMA em IA Uma busca

Leia mais

Scale-Invariant Feature Transform

Scale-Invariant Feature Transform Scale-Invariant Feature Transform Renato Madureira de Farias renatomdf@gmail.com Prof. Ricardo Marroquim Relatório para Introdução ao Processamento de Imagens (COS756) Universidade Federal do Rio de Janeiro,

Leia mais

ued - unidade de ensino a distância instituto politécnico de leiria BlackBoard - Moodle Guia rápido

ued - unidade de ensino a distância instituto politécnico de leiria BlackBoard - Moodle Guia rápido ued - unidade de ensino a distância instituto politécnico de leiria BlackBoard - Guia rápido ued - unidade de ensino a distância instituto politécnico de leiria Unidade de Ensino a Distância Equipa Guia

Leia mais

Descrição de um problema de integração: Sistema de vendas online

Descrição de um problema de integração: Sistema de vendas online Integração Empresarial Descrição de um problema de integração: Sistema de vendas online Luís Costa - 8050120 Abril, 2012 1. Introdução Este documento apresenta detalhadamente o processo de negócio de uma

Leia mais

Modelo Cascata ou Clássico

Modelo Cascata ou Clássico Modelo Cascata ou Clássico INTRODUÇÃO O modelo clássico ou cascata, que também é conhecido por abordagem top-down, foi proposto por Royce em 1970. Até meados da década de 1980 foi o único modelo com aceitação

Leia mais

DEIDepartamento. Programação III Engenharia Informática e Comunicações. Engenharia

DEIDepartamento. Programação III Engenharia Informática e Comunicações. Engenharia Engenharia DEIDepartamento Informática Morro do Lena, Alto Vieiro Apart. 4163 2401 951 Leiria Tel.: +351 244 820 300 Fax.: +351 244 820 310 E-mail: estg@estg.iplei.pt http://www.estg.iplei.pt Programação

Leia mais

Introdução a Datamining (previsão e agrupamento)

Introdução a Datamining (previsão e agrupamento) Introdução a Datamining (previsão e agrupamento) Victor Lobo Mestrado em Estatística e Gestão de Informação E o que fazer depois de ter os dados organizados? Ideias base Aprender com o passado Inferir

Leia mais

Redução de imagem no domínio espacial

Redução de imagem no domínio espacial Faculdade de Engenharia da Universidade do Porto Licenciatura em Engenharia Electrotécnica e de Computadores 5º Ano, 1º Semestre Televisão Digital - 2002/2003 Redução de imagem no domínio espacial Armando

Leia mais

Iteração 2 Design inicial

Iteração 2 Design inicial Universidade de Aveiro Departamento de Electrónica, Telecomunicações e Informática Engenharia de Software Iteração 2 Design inicial Projecto: FX-Center Grupo: BEDS David Pacheco (nº 32665) Cesário Lucas

Leia mais

Planificações 2012/2013. Tecnologias da Informação e Comunicação. 2ºAno. Escola Básica Integrada de Pedome. C E F Apoio à Família e à Comunidade

Planificações 2012/2013. Tecnologias da Informação e Comunicação. 2ºAno. Escola Básica Integrada de Pedome. C E F Apoio à Família e à Comunidade Planificações 2012/2013 Tecnologias da Informação e Comunicação C E F Apoio à Família e à Comunidade 2ºAno Escola Básica Integrada de Pedome Grupo Disciplinar de Informática Planificação a Longo Prazo

Leia mais

COMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS

COMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS COMPARAÇÃO DOS MÉTODOS DE SEGMENTAÇÃO DE IMAGENS OTSU, KMEANS E CRESCIMENTO DE REGIÕES NA SEGMENTAÇÃO DE PLACAS AUTOMOTIVAS Leonardo Meneguzzi 1 ; Marcelo Massoco Cendron 2 ; Manassés Ribeiro 3 INTRODUÇÃO

Leia mais

2005 José Miquel Cabeças

2005 José Miquel Cabeças Dimensionamento de linhas de produção 1 - INTRODUÇÃO A fabricação de elevado volume de produção é frequentemente caracterizada pela utilização de linhas de montagem e fabricação. O balanceamento de linhas

Leia mais

Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados

Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:

Leia mais

PERIVER PLATAFORMA SOFTWARE REQUIREMENT SPECIFICATION. Periver_SoftwareRequirementSpecification_2008-03-31_v1.0.doc. Versão 1.0

PERIVER PLATAFORMA SOFTWARE REQUIREMENT SPECIFICATION. Periver_SoftwareRequirementSpecification_2008-03-31_v1.0.doc. Versão 1.0 PLATAFORMA Versão 1.0 31 de Março de 2008 TABELA DE REVISÕES Versão Autores Descrição da Versão Aprovadores Data António Rocha Cristina Rodrigues André Ligeiro V0.1r Dinis Monteiro Versão inicial António

Leia mais

Trabalho Final. Data da Submissão: das 8h do dia 16/06 às 24h do dia 17/06. Data da Entrega do Relatório: das 15h às 18h no dia 18/06.

Trabalho Final. Data da Submissão: das 8h do dia 16/06 às 24h do dia 17/06. Data da Entrega do Relatório: das 15h às 18h no dia 18/06. ICMC-USP ICC - SCC-0 Turmas B e D - º. Semestre de 00 - Prof. João Luís. PAE: Jefferson F. Silva. Trabalho Final Submissão Automática da implementação pelo sistema Boca (http://blacklabel.intermidia.icmc.usp.br/boca/scc00/.)

Leia mais

4 Aplicativo para Análise de Agrupamentos

4 Aplicativo para Análise de Agrupamentos 65 4 Aplicativo para Análise de Agrupamentos Este capítulo apresenta a modelagem de um aplicativo, denominado Cluster Analysis, dedicado à formação e análise de grupos em bases de dados. O aplicativo desenvolvido

Leia mais

Tecnologias da Informação e Comunicação

Tecnologias da Informação e Comunicação SUBDOMÍNIO CC8.1. CONHECIMENTO E UTILIZAÇÃO ADEQU ADA E SEGURA DE DIFERENTES TIPOS DE FERRAMENTAS DE COMUNICAÇÃO, DE ACORDO COM AS SITUAÇÕES DE COMUNICAÇÃO E AS REGRAS DE CONDUTA E DE FUNCIONAMENTO DE

Leia mais

Engenharia de Software Sistemas Distribuídos. 2º Semestre, 2007/2008. Departamento Engenharia Informática. Enunciado do projecto: Loja Virtual

Engenharia de Software Sistemas Distribuídos. 2º Semestre, 2007/2008. Departamento Engenharia Informática. Enunciado do projecto: Loja Virtual Engenharia de Software Sistemas Distribuídos 2º Semestre, 2007/2008 Departamento Engenharia Informática Enunciado do projecto: Loja Virtual Fevereiro de 2008 Índice Índice...2 Índice de Figuras...3 1 Introdução...4

Leia mais

Entrega de Folhas de Férias

Entrega de Folhas de Férias Entrega de Folhas de Férias Questões mais frequentes FAQs Maio/2012 Versão 2.0 DDO É obrigatório adoptar o novo formato para envio da informação de Folhas de Férias estabelecido na legislação em vigor

Leia mais

Linhas de Orientação de Media. GS1 Portugal. Sync PT Linhas de Orientação de Media 1

Linhas de Orientação de Media. GS1 Portugal. Sync PT Linhas de Orientação de Media 1 Linhas de Orientação de Media GS1 Portugal 1 Índice Introdução... 3 Especificações Gerais de Imagens... 4 Propriedades da imagem... 5 Cor e Qualidade... 5 Clipping Paths... 5 Fundo... 6 Borda... 6 Formato

Leia mais

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Reconhecimento de marcas de carros utilizando Inteligência Artificial André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Motivação Análise estatística das marcas de carros em

Leia mais

ESCOLA SECUNDÁRIA DE LEAL DA CÂMARA

ESCOLA SECUNDÁRIA DE LEAL DA CÂMARA ESCOLA SECUNDÁRIA DE LEAL DA CÂMARA DEPARTAMENTO DE TECNOLOGIAS 2007/08 Curso Tecnológico de Informática Ensino Secundário Recorrente DISCIPLINA DE BASES LÓGICAS DE PROGRAMAÇÃO 11º ano (Módulo 4) OBJECTIVOS

Leia mais

CONSULTAR E RESERVAR ONLINE

CONSULTAR E RESERVAR ONLINE CONSULTAR E RESERVAR ONLINE COMO RESERVAR ONLINE Para a Royal Caribbean International, a razão do nosso sucesso, são todos os nossos parceiros. Estamos sempre disponíveis para facilitar os seus negócios

Leia mais

Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas

Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas INEB- PSI Technical Report 2007-2 Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas Alexandra Oliveira aao@fe.up.pt Professor Joaquim Marques de Sá December

Leia mais

Anteprojecto. Grupo 2. Projecto Informático do 5º ano. Informática de Gestão

Anteprojecto. Grupo 2. Projecto Informático do 5º ano. Informática de Gestão Grupo 2 Projecto Informático do 5º ano Informática de Gestão Índice Índice ÍNDICE 1 INTRODUÇÃO 2 MISSÃO 3 OBJECTIVOS 4 AMBIENTE DE EXPLORAÇÃO 5 Software 5 Hardware 6 POLÍTICA DE HISTÓRICOS 7 POLÍTICA DE

Leia mais

Manual de Utilizador. Disciplina de Projecto de Sistemas Industriais. Escola Superior de Tecnologia. Instituto Politécnico de Castelo Branco

Manual de Utilizador. Disciplina de Projecto de Sistemas Industriais. Escola Superior de Tecnologia. Instituto Politécnico de Castelo Branco Escola Superior de Tecnologia Instituto Politécnico de Castelo Branco Departamento de Informática Curso de Engenharia Informática Disciplina de Projecto de Sistemas Industriais Ano Lectivo de 2005/2006

Leia mais

CONSTRUIR UM BARCO VELOZ

CONSTRUIR UM BARCO VELOZ CONSTRUIR UM BARCO VELOZ Propostas de atividades de Ciência e Matemática Público-alvo: alunos do 1º Ciclo do Ensino Básico (3º e 4º anos) Autores: Claus Auning & Ida Guldager, University College South

Leia mais

Planificação Anual. Planificação de Médio Prazo (1.º Período) Tecnologias da Informação e Comunicação. 9º Ano

Planificação Anual. Planificação de Médio Prazo (1.º Período) Tecnologias da Informação e Comunicação. 9º Ano Escola Básica do 2º e 3º Ciclos João Afonso de Aveiro Departamento de Matemática e Ciências Experimentais Secção de Informática Planificação Anual (1.º Período) Ano lectivo 2010/2011 Tecnologias da Informação

Leia mais

Manual de utilização do Moodle

Manual de utilização do Moodle Manual de utilização do Moodle Iniciação para docentes Universidade Atlântica Versão: 1 Data: Fevereiro 2010 Última revisão: Fevereiro 2010 Autor: Ricardo Gusmão Índice Introdução... 1 Registo no Moodle...

Leia mais

MESTRADO EM PESQUISA DE MERCADOS 2006 2007

MESTRADO EM PESQUISA DE MERCADOS 2006 2007 MESTRADO EM PESQUISA DE MERCADOS 2006 2007 PROGRAMA DAS DISCIPLINAS 1 1º trimestre PESQUISA DE MERCADOS Objectivos Pretende-se que os alunos: (a) adquiram os conceitos e semântica próprios do tema, (b)

Leia mais

Capítulo. Sistemas de apoio à decisão

Capítulo. Sistemas de apoio à decisão Capítulo 10 1 Sistemas de apoio à decisão 2 Objectivos de aprendizagem Identificar as alterações que estão a ter lugar na forma e função do apoio à decisão nas empresas de e-business. Identificar os papéis

Leia mais

Escola Superior de Tecnologia de Setúbal. Projecto Final

Escola Superior de Tecnologia de Setúbal. Projecto Final Instituto Politécnico de Setúbal Escola Superior de Tecnologia de Setúbal Departamento de Sistemas e Informática Projecto Final Computação na Internet Ano Lectivo 2002/2003 Portal de Jogos Executado por:

Leia mais

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com

Leia mais

Protecção das Invenções: Patentes e Modelos de Utilidade

Protecção das Invenções: Patentes e Modelos de Utilidade Protecção das Invenções: Patentes e Modelos de Utilidade As invenções são soluções novas para problemas técnicos específicos que, se cumprirem os requisitos de concessão, podem ser protegidos direitos

Leia mais

Tecnologias de Jogos de Vídeo

Tecnologias de Jogos de Vídeo Tecnologias de Jogos de Vídeo Abel J. P. Gomes & Gonçalo Amador LAB. 1 Departamento de Informática Universidade da Beira Interior Portugal 2013 Copyright 2009-2013 All rights reserved. LAB. 1 JogAmp e

Leia mais

Introdução a Datamining (previsão e agrupamento)

Introdução a Datamining (previsão e agrupamento) E o que fazer depois de ter os dados organizados? Introdução a Datamining (previsão e agrupamento) Victor Lobo Mestrado em Estatística e Gestão de Informação Ideias base Aprender com o passado Inferir

Leia mais

Índice. Enquadramento do curso 3 Estrutura Programática 4. Primeiros passos com o e-best Learning 6. Actividades e Recursos 11

Índice. Enquadramento do curso 3 Estrutura Programática 4. Primeiros passos com o e-best Learning 6. Actividades e Recursos 11 Índice Parte 1 - Introdução 2 Enquadramento do curso 3 Estrutura Programática 4 Parte 2 Desenvolvimento 5 Primeiros passos com o e-best Learning 6 Como aceder à plataforma e-best Learning?... 6 Depois

Leia mais

CLASSIFICAÇÃO DE IMAGENS

CLASSIFICAÇÃO DE IMAGENS CLASSIFICAÇÃO DE IMAGENS SIG Profa.. Dra. Maria Isabel Castreghini de Freitas ifreitas@rc.unesp.br Profa. Dra. Andréia Medinilha Pancher medinilha@linkway.com.br O que é classificação? É o processo de

Leia mais

GESTÃO DO PROCESSO DE REVALIDAÇÃO DA CARTEIRA PROFISSIONAL MANUAL DA ENTIDADE FORMADORA

GESTÃO DO PROCESSO DE REVALIDAÇÃO DA CARTEIRA PROFISSIONAL MANUAL DA ENTIDADE FORMADORA GESTÃO DO PROCESSO DE REVALIDAÇÃO DA CARTEIRA PROFISSIONAL Departamento de Qualificação e Admissão da Ordem dos Farmacêuticos Novembro de 2009 O Manual da Entidade Formadora foi elaborado pelo Departamento

Leia mais

Desenvolvimento de uma Aplicação WEB para monitorização de BD Oracle

Desenvolvimento de uma Aplicação WEB para monitorização de BD Oracle Desenvolvimento de uma Aplicação WEB para monitorização de BD Oracle Luís Filipe Borges Pinto Resumo: Este projecto consiste na implementação de uma aplicação WEB para monitorização

Leia mais

3. Engenharia de Requisitos

3. Engenharia de Requisitos Engenharia de Software 3. Engenharia de Requisitos Nuno Miguel Gil Fonseca nuno.fonseca@estgoh.ipc.pt Fases do desenvolvimento de software que mais erros originam (fonte: "Software Testing", Ron Patton)

Leia mais

Hierarquia de modelos e Aprendizagem de Máquina

Hierarquia de modelos e Aprendizagem de Máquina Hierarquia de modelos e Aprendizagem de Máquina Fabrício Jailson Barth BandTec Maio de 2015 Sumário Introdução: hierarquia de modelos e aprendizagem de máquina. O que é Aprendizagem de Máquina? Hierarquia

Leia mais

Programação. Folha Prática 3. Lab. 3. Departamento de Informática Universidade da Beira Interior Portugal 2015. Copyright 2010 All rights reserved.

Programação. Folha Prática 3. Lab. 3. Departamento de Informática Universidade da Beira Interior Portugal 2015. Copyright 2010 All rights reserved. Programação Folha Prática 3 Lab. 3 Departamento de Informática Universidade da Beira Interior Portugal 2015 Copyright 2010 All rights reserved. LAB. 3 3ª semana EXPRESSÕES E INSTRUÇÕES 1. Revisão de conceitos

Leia mais

Departamento de Ciências e Tecnologias

Departamento de Ciências e Tecnologias Futuro Departamento de Ciências e Tecnologias Licenciatura em Engenharia Informática Missão Dotar os alunos de uma sólida formação teórica e experimental que garanta aos futuros licenciados a capacidade

Leia mais

CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES

CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES 3.1 - IDENTIFICADORES Os objetos que usamos no nosso algoritmo são uma representação simbólica de um valor de dado. Assim, quando executamos a seguinte instrução:

Leia mais

CONSELHO INTERNACIONAL DE ARQUIVOS COMITÉ DAS NORMAS DE DESCRIÇÃO. Orientações para a Preparação e Apresentação de Instrumentos de.

CONSELHO INTERNACIONAL DE ARQUIVOS COMITÉ DAS NORMAS DE DESCRIÇÃO. Orientações para a Preparação e Apresentação de Instrumentos de. CONSELHO INTERNACIONAL DE ARQUIVOS COMITÉ DAS NORMAS DE DESCRIÇÃO Relatório do Sub-comité sobre os Instrumentos de Descrição Orientações para a Preparação e Apresentação de Instrumentos de Descrição 1.

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais

CENTRO EDUCACIONAL BANDEIRANTES MANUAL DO ALUNO

CENTRO EDUCACIONAL BANDEIRANTES MANUAL DO ALUNO CENTRO EDUCACIONAL BANDEIRANTES MANUAL DO ALUNO 1 SUMÁRIO INFORMAÇÕES GERAIS 03 QUEM PODE FAZER O CURSO DE EJA A DISTÂNCIA 04 MATRÍCULA 04 COMO FUNCIONA 05 CALENDÁRIO DOS CURSOS 06 AVALIAÇÃO E CRITÉRIOS

Leia mais

Universidade Gama Filho Campus Piedade Departamento de Engenharia de Controle e Automação

Universidade Gama Filho Campus Piedade Departamento de Engenharia de Controle e Automação Universidade Gama Filho Campus Piedade Departamento de Engenharia de Controle e Automação Laboratório da Disciplina CTA-147 Controle I Análise da Resposta Transitória (Este laboratório foi uma adaptação

Leia mais

Prof. Júlio Cesar Nievola Data Mining PPGIa PUCPR

Prof. Júlio Cesar Nievola Data Mining PPGIa PUCPR Encontrar grupos de objetos tal que objetos em um grupo são similares (ou relacionados) uns aos outros e diferentes de (ou não relacionados) a objetos em outros grupos Compreensão Agrupa documentos relacionados

Leia mais

GeoMafra Portal Geográfico

GeoMafra Portal Geográfico GeoMafra Portal Geográfico Nova versão do site GeoMafra Toda a informação municipal... à distância de um clique! O projecto GeoMafra constitui uma ferramenta de trabalho que visa melhorar e homogeneizar

Leia mais

Multimédia. 3.2. Animação. Nuno Miguel Gil Fonseca nuno.fonseca@estgoh.ipc.pt

Multimédia. 3.2. Animação. Nuno Miguel Gil Fonseca nuno.fonseca@estgoh.ipc.pt Multimédia 3.2. Animação Nuno Miguel Gil Fonseca nuno.fonseca@estgoh.ipc.pt Não é mais do que uma sequência de imagens Ao contrário do vídeo, as imagens são geradas e não gravadas Muito usada nos mais

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local

Leia mais

Métodos Os métodos de uma classe podem ser classificados como construtores, destrutores, funções ou procedimentos.

Métodos Os métodos de uma classe podem ser classificados como construtores, destrutores, funções ou procedimentos. Métodos Os métodos de uma classe podem ser classificados como construtores, destrutores, funções ou procedimentos. Construtor: método executado por uma CLASSE (e não por um objeto, instância da classe)

Leia mais

Engenharia de Software Sistemas Distribuídos

Engenharia de Software Sistemas Distribuídos Engenharia de Software Sistemas Distribuídos 2 o Semestre de 2009/2010 FEARSe Requisitos para a 1 a entrega 18 de Março de 2010 1 Introdução O projecto conjunto das disciplinas de Engenharia de Software

Leia mais