Aprendizado de Máquina
|
|
- Paulo Varejão Quintanilha
- 6 Há anos
- Visualizações:
Transcrição
1 Aprendizado de Máquina Template Matching Luiz Eduardo S. Oliveira Universidade Federal do Paraná Departamento de Informática October 25, 2012 Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
2 Introdução Em alguns casos, a classificação de um dado padrão desconhecido se dá através de sucessivas comparações a padrões de referência, também conhecidos como TEMPLATES. Nesse caso, o primeiro passo consiste em definir uma medida de similaridade ou distância entre os padrões de referência e o padrão desconhecido. Por que não utilizar uma distância conhecida, como por exemplo, a distância Euclidiana? Distância Euclidiana não funciona para padrões similares deslocados no tempo, por exemplo. Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
3 Strings Um caso particular de Template Matching é a detecção de padrões em strings. O reconhecimento com strings consiste em encontrar um segmento de texto x dentro de um texto T maior. Em geral, temos T x Nesse caso, as características são nominais, ou seja, caracteres e por isso não existe a noção óbvia de distância entre strings. Um exemplo prático desse tipo de problema é encontrar sub-sequencia de DNA, em sequências bastante grandes Encontrar a sequencia AGCTTC em AGAGCTTCGAATC... Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
4 Algoritmo Clássico O método mais simples, porém não tão eficiente, consiste em deslocar x e ao longo de T e verificar se existe um casamento (matching). Exemplo: T: abacdbdacbbacdac X: bdac bdac bdac.. bdac Informação de deslocamentos prévios não são utilizadas. Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
5 Algoritmo de Boyer Moore Proposto em 1977 por Boyer & Moore Tempo de execução pode ser sub-linear Deslocamento do padrão buscado (x) mais de uma posição a cada vez. Quanto maior for x, mais rápida a execução do programa. Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
6 Algoritmo de Boyer Moore Como funciona Utiliza uma abordagem backward, ou seja, a verificação se dá de traz para frente Se houver casamento (matching) então o algoritmo continua comparando os caracteres Complexidade igual ao algoritmo anterior, nesse caso. Se não houver casamento, o algoritmo realinha o padrão x com o texto T Nesse caso existe um ganho considerável de desempenho. Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
7 Algoritmo de Boyer Moore Tabela de pré-processamento O primeiro passo do algoritmo de Boyer Moore consiste em criar uma tabela de deslocamento para o padrão x Começando da direita para a esquerda no penúltimo caractere Se o caractere não estiver na tabela Inclui o mesmo na tabela Valor do deslocamento = distância dele para o último caractere. Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
8 Algoritmo de Boyer Moore Para qualquer outro caractere, o deslocamento é o tamanho da string. Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
9 Algoritmo de Boyer Moore Exemplo T:This is a test of the Boyer Moore Algorithm x:algorithm O primeiro caractere a ser comparado é o m Nesse caso a comparação é (m,a) Como não existe casamento, busca-se o valor de deslocamento na tabela, nesse caso (a=8) T:This is a test of the Boyer Moore Algorithm x: Algorithm Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
10 Algoritmo de Boyer Moore Deslocamento O deslocamento anterior é chamado de deslocamento BOM SUFIXO (GOOD SUFFIX) O próximo caractere a ser comparado é o f Não existe na tabela de pre-processamento Logo, requer outra estratégia de deslocamento Se o caractere não existe em x, o padrão x é deslocado para o próximo caractere T:This is a test of the Boyer Moore Algorithm x: Algorithm Esse deslocamento é conhecido como BAD CHARACTER. Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
11 Algoritmo de Boyer Moore Deslocamento Como e não existe em x, o padrão é deslocado para o caractere subsequente a e. T:This is a test of the Boyer Moore Algorithm x: Algorithm T:This is a test of the Boyer Moore Algorithm x: Algorithm A existe e o valor do deslocamento é 8, logo temos: T:This is a test of the Boyer Moore Algorithm x: Algorithm Compara-se caractere a caractere como no algoritmo clássico Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
12 Algoritmo de Boyer Moore Heurística Necessária Se faz necessária para a comparação de strings com caracteres repetidos. Usando a regra do GOOD SUFFIX no exemplo abaixo T:xxxxBooooxxxx x: Boooo Não houve casamento entre B e o. Valore de deslocamento para B, de acordo com a tabela é 4, logo T:xxxxBooooxxxx x: Boooo Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
13 Algoritmo de Boyer Moore Heurística Necessária Duas comparações foram feitas até o não casamento Essas comparações devem ser subtraídas do valor do deslocamento, logo, novo delocamento = 4-2 = 2 T:xxxxBooooxxxx x: Boooo Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
14 Edit Distance Diferente vetores com valores reais, não existe uma métrica obvia de distância entre strings Por exemplo, não é claro se abbccc está mais próximo de aabbcc ou de abbcccb Uma forma interessante de calcular a distância é o número de operações necessárias para transformar uma string em outra. Inserção Remoção Substituição Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
15 Edit Distance Breve Histórico Criada pelo russo Vladimir Levenshtein em 1965 Largamente utilizados em Corretores ortográficos Pós-processamento em sistemas de reconhecimento de caracteres, como por exemplo, OCR. Análise de DNA Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
16 Edit Distance Algoritmo 1) n = len(s) m =len (t) Construir uma matriz d de m linhas e n colunas 2) Inicializar a primeira linha de 0 a n Inicializar a primeira coluna de 0 a m 3) Examinar cada caractere de s (i de 1 até n) 4) Examinar cada caractere de t (j de 1 até m) 5) Se s[i] = t[j], custo = 0 Se s[i] <> t[j], custo = 1 6) d[i,j] = mínimo de: a) célula acima + 1: d[i-1,j] + 1 b) célula a esquerda + 1: d[i,j-1] + 1 c) célula acima e a esquerda + custo: d[i-1,j-1] + custo 7) Após as iterações dos passos 3,4,5 e 6, a distância é encontrada na célula d[n,m] Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
17 Exemplo Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
18 Dynamic Time Warping - DTW Introduzindo nos anos 60 e bastante explorado nos anos 70 em aplicações de reconhecimento de voz. Eficiente para medir a similaridade em sinais deslocados no tempo e também sinais distorcidos. Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
19 Algoritmo DTW Sejam X = (x 1, x 2,..., x N ), N N e Y = (y 1, y 2,..., y N ), M N duas séries. Considerando que os valores em X e Y pertencem a um espaço de características Φ, uma medida de distância deve ser definida, por exemplo d : Φ Φ R 0 Intuitivamente d é baixo para características similares e alto, caso contrário. Um algoritmo de programação dinâmica é a base do DTW. Sendo assim, a função de distância também é conhecida como função de custo. Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
20 Algoritmo DTW O algoritmo inicia construíndo a matriz de distância C RˆN M, a qual representa todas as distâncias entre X e Y. Essa matriz também é chamada de matriz de custo local para o alinhamento das sequências X e Y C l R N M : c i,j = x i y i, i [1 : N], j [1 : M] Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
21 Algoritmo DTW 1a. linha: D(1, j) = j k=1 c(x 1, y k ), j [1, M] 1a. coluna: D(i, 1) ik=1 c(x k, y 1 ), i [1, N] outros elementos: D(i, j) = min{d(i 1, j 1), D(i 1, j), D(i, j 1)} + c(x i, y j ), i [1, N], j [1, M]) Depois que a matriz de custo é construída, o algoritmo encontra o caminho (warping path) com o menor custo Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
22 Template Matching em Imagens Considerando duas imagens, o Template Matching consiste em comparar as duas pixel a pixel Diferenças estruturais são perdidas Considerando a Distãncia de Hamming, qual seria o exemplo mais similar ao template? Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
23 Template Matching em Imagens Ruídos devido aquisição aumentam a variabilidade, diminuindo assim a eficiência do template matching Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
24 Template Matching em Imagens Uma outra forma de usar template matching consiste em fazer a comparação usando um esquema de zoneamento. Enfatizar diferenças locais Uma variante do template matching é o feature matching Nesse caso, a comparação se dá no nível das características. Luiz S. Oliveira (UFPR) Aprendizado de Máquina October 25, / 24
Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Extração de Características
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Extração de Características Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Entender os conceitos de
Leia maisAprendizado de Máquinas. Introdução à Aprendizado Não- Supervisionado
Universidade Federal do Paraná (UFPR) Departamento de Informática (DInf) Aprendizado de Máquinas Introdução à Aprendizado Não- Supervisionado David Menotti, Ph.D. http://web.inf.ufpr.br/menotti Objetivos
Leia maisAlgoritmos em Strings
Algoritmos em Strings R. Rossetti, A.P. Rocha, A. Pereira, P.B. Silva, T. Fernandes FEUP, MIEIC, CAL, 2010/2011 1 Índice Pesquisa exacta (string matching) Pesquisa aproximada (approximate string matching)
Leia maisDeterminação do Grau de Similaridade entre Frases
Determinação do Grau de Similaridade entre Frases UC 21095 Projeto Final Licenciatura em Informática Estudante nº 1100194: Helena Sofia Felisberto Coelho Orientadora: Prof.ª Gracinda Carvalho Lisboa, setembro
Leia maisAlinhamento de Sequências e Genômica Comparativa
Encontro França-Brasil de Bioinformática Universidade Estadual de Santa Cruz (UESC) Ilhéus-BA - Brasil Alinhamento de Sequências e Genômica Comparativa Maria Emília M. T. Walter Departamento de Ciência
Leia maisPMR2560 Visão Computacional Detecção de cores e blobs. Prof. Eduardo L. L. Cabral
PMR2560 Visão Computacional Detecção de cores e blobs Prof. Eduardo L. L. Cabral Objetivos Detecção de cores; Detecção de blobs. Detecção de cores Cores são facilmente identificadas nas imagens. Cor a
Leia maisProgramação Dinâmica. Prof. Anderson Almeida Ferreira. Adaptado do material elaborado por Andrea Iabrudi Tavares
Programação Dinâmica Prof. Anderson Almeida Ferreira Adaptado do material elaborado por Andrea Iabrudi Tavares Programação Dinâmica 1950, Bellman Evitar recálculos dos subproblemas em comum Menor para
Leia maisTópicos Especiais em Inteligência Artificial COS746. Vítor Santos Costa COPPE/Sistemas Universidade Federal do Rio de Janeiro
Tópicos Especiais em Inteligência Artificial COS746 Vítor Santos Costa COPPE/Sistemas Universidade Federal do Rio de Janeiro Agradecimento Copiado dos slides de Mark Craven para BMI/CS 576, UW-Madison
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 maisAprendizado de Máquina
Aprendizado de Máquina Introdução Luiz Eduardo S. Oliveira Universidade Federal do Paraná Departamento de Informática http://lesoliveira.net Luiz S. Oliveira (UFPR) Aprendizado de Máquina 1 / 19 Introdução
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Segmentação. Luiz Eduardo S. Oliveira, Ph.D.
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Segmentação Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Introduzir os conceitos básicos de segmentação
Leia maisProgramação Dinâmica. Prof. Anderson Almeida Ferreira
Programação Dinâmica Prof. Anderson Almeida Ferreira Programação Dinâmica 1950, Bellman Evitar recálculos dos subproblemas em comum Menor para maior (bottom-up) Tabelas ou memorização É uma técnica de
Leia mais4 Casamento de Padrões
4 Casamento de Padrões O casamento de padrões é uma técnica que tem por objetivo localizar os elementos constituintes de uma seqüência em um conjunto de outras seqüências. Chamemos de padrão a seqüência
Leia maisTeoria dos Grafos Aula 23
Teoria dos Grafos Aula 23 Aula passada Apresentação de trabalhos Discussão da prova Subset sum Problema da mochila Aula de hoje Caminho mais curto entre todos os pares Algortimo de Floyd Warshall Programação
Leia mais2. Ordenação por Seleção
1 Algoritmos de Ordenação Simples (SelectionSort, InsertionSort, BubbleSort) 1. Introdução Objetivo: Determinar a seqüência ordenada dos elementos de um vetor numérico. Algumas considerações: O espaço
Leia maisAprendizagem de Máquinas. Extração de Características
Universidade Federal do Paraná (UFPR) Departamento de Informática (DInf) Aprendizagem de Máquinas Extração de Características David Menotti, Ph.D. http://web.inf.ufpr.br/menotti 1 Objetivos Entender os
Leia maisÁrvore Binária de Busca Ótima
MAC 5710 - Estruturas de Dados - 2008 Referência bibliográfica Os slides sobre este assunto são parcialmente baseados nas seções sobre árvore binária de busca ótima do capítulo 4 do livro N. Wirth. Algorithms
Leia maisAlinhamentos de Múltiplas Seqüências. Rogério T. Brito Orientador: José A. R. Soares
1 Alinhamentos de Múltiplas Seqüências Rogério T. Brito Orientador: José A. R. Soares 2 Motivação Problema em Biologia: saber qual é o grau de parentesco entre um conjunto de espécies (construção de árvores
Leia maisMouseCam: aplicação de controle do mouse via câmera
MouseCam: aplicação de controle do mouse via câmera Introdução ao Processamento de Imagens COS756 PESC/COPPE/UFRJ 2013 1 Renan Garrot garrot@cos.ufrj.br 1. Introdução O processo de tracking por vídeo consiste
Leia maisEstruturas de Dados 2
Estruturas de Dados 2 Técnicas de Projeto de Algoritmos Força Bruta IF64C Estruturas de Dados 2 Engenharia da Computação Prof. João Alberto Fabro - Slide 1/36 Técnica de Projeto de Algoritmos por Força
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Introdução + Estudo de Caso Introdução Percepção de máquina Um
Leia maisBusca em Memória Primária Estrutura de Dados II
Centro de Ciências Exatas, Naturais e de Saúde Departamento de Computação Busca em Memória Primária Estrutura de Dados II Estrutura de Dados II COM10078 2017-I Prof. Marcelo Otone Aguiar marcelo.aguiar@ufes.br
Leia maisBusca em Memória Primária Estrutura de Dados II
Centro de Ciências Exatas, Naturais e de Saúde Departamento de Computação Busca em Memória Primária Estrutura de Dados II COM10078 Estrutura de Dados II Prof. Marcelo Otone Aguiar marcelo.aguiar@ufes.br
Leia maisReconhecimento de Padrões. Prof. Flávio Humberto Cabral Nunes
Reconhecimento de Padrões Prof. Flávio Humberto Cabral Nunes Conteúdo 1. Força Bruta 2. Knuth-Morris-Pratt 3. Boyer-Moore 4. Aho-Corasick Capítulo: 13 (APOSTILA). Força Bruta Características principais
Leia maisIDENTIFICAÇÃO ESTRUTURAL EM REDES DE PROTEÍNAS
IDENTIFICAÇÃO ESTRUTURAL EM REDES DE PROTEÍNAS Tópicos Especiais em Redes Complexas II Professor: Daniel Ratton Figueiredo Aluno: Vitor Borges Coutinho da Silva Artigos Comparative Analysis of Protein
Leia maisMineração de Dados em Biologia Molecular
Mineração de Dados em Biologia Molecular Principais tópicos André C. P. L. F. de Carvalho Monitor: Valéria Carvalho Métodos baseados em distância Aprendizado baseado em instâncias Conceitos básicos KNN
Leia maisUniversidade Federal de Mato Grosso do Sul Estruturas de Dados e Programação. Processamento de Cadeias
Universidade Federal de Mato Grosso do Sul Estruturas de Dados e Programação Processamento de Cadeias 1 Introdução Processar documentos é atualmente uma das principais funções dos computadores. São inúmeras
Leia maisGerência de Dados da Web Extração de Dados Baseada na Estrutura da Árvore DOM
Gerência de Dados da Web Extração de Dados Baseada na Estrutura da Árvore DOM Métodos Baseados em Alinhamento de Árvores (Apresentação contém material elaborado por AlBgran S. da Silva) 2013 Sumário Abordagem
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 maisProva Didática Grafos: Árvores Geradoras e Caminhos Mínimos, Análise de Complexidade
Prova Didática Grafos: Árvores Geradoras e Caminhos Mínimos, Análise de Complexidade Gustavo E.A.P.A. Batista 25 de janeiro de 2005 1 Contextualização 2 Caminhos Mínimos Caminhos Mínimos de uma Origem
Leia maisAnálise de Clusters. Aplicações da formação de Grupos (Clustering)
Análise de Clusters Aplicações da formação de Grupos (Clustering) Ver e analisar vastas quantidades de dados biológicos como um todo pode ser difícil É mais fácil interpretar os dados se forem divididos
Leia maisTeoria dos Grafos Aula 17
Teoria dos Grafos Aula 17 Aula passada Problema da soma do subconjunto (subset sum) Programação dinâmica Problema da mochila Aula de hoje Alinhamento de sequências Programação dinâmica Caminho mais curto
Leia maisAlgoritmos de Caminho Mínimo Parte 1
Algoritmos de Caminho Mínimo Parte 1 A journey of a thousand miles starts with a single step and if that step is the right step, it becomes the last step. Index 1. Introduction 2. Applications 3. Tree
Leia maisTeoria dos Grafos Aula 18
Teoria dos Grafos Aula 18 Aula passada Coloração Algoritmo guloso Número cromático Teorema das 4 cores Aula de hoje Clusterização (ou agrupamento) Algoritmo Variação Clusterização Coleção de objetos Agrupar
Leia maisAula 7 Medidas de Distância. Profa. Elaine Faria UFU
Aula 7 Medidas de Distância Profa. Elaine Faria UFU - 2017 Agradecimentos Este material é baseado No livro Tan et al, 2006 Nos slides do prof Andre C. P. L. F. Carvalho Agradecimentos Ao professor André
Leia maisCorreção Ortográfica. Processamento Estatístico da Linguagem Natural. Correção de Erros. Distância Mínima de Edição. Distância Mínima de Edição
Processamento Estatístico da Linguagem Natural Aula 6 Professora Bianca (Sala 302 Bloco E) bianca@ic.uff.br http://www.ic.uff.br/~bianca/peln/ Correção Ortográfica Três tipos de problemas: Detecção de
Leia maisDescritores de Imagens
Descritores de Imagens André Tavares da Silva PPGCA/UDESC Outubro de 2017 André Tavares da Silva (PPGCA/UDESC) Descritores de Imagens Outubro de 2017 1 / 18 Descritores Locais e Frameworks SIFT SURF Viola-Jones
Leia maisImplementação dos Algoritmos e Resultados
Capítulo 6 Implementação dos Algoritmos e Resultados 6.1 Considerações Iniciais Diversas situações foram exploradas neste trabalho visando analisar qual seria a wavelet mais adequada para sistemas de extração
Leia maisMétodos Não Paramétricos
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Métodos não Paramétricos Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Métodos Não Paramétricos Introduzir
Leia maisMÓDULO 3: Programação Estruturada
Matriz de recuperação dos módulos 3, 4, 5, 7 e 9 da disciplina de Programação e Sistemas de Informação PSI Curso: Técnico de Gestão e Programação de Sistemas Informático MÓDULO 3: Programação Estruturada
Leia maisFramework para Deduplicação de Dados com Apache Spark
Framework para Deduplicação de Dados com Apache Spark César Magrin - magrin@inf.ufpr.br Disciplina: Metodologia Científica - CI860 Professor: Alexandre Direne Sumário 1. Qualidade de Dados 2. Deduplicação
Leia maisAlgoritmos e Estruturas de Dados I Prof. Tiago Eugenio de Melo
Algoritmos e Estruturas de Dados I Prof. Tiago Eugenio de Melo tmelo@uea.edu.br www.tiagodemelo.info Observações O conteúdo dessa aula é parcialmente proveniente do Capítulo 11 do livro Fundamentals of
Leia maisPrimeiro Trabalho de IA/SI: Buscas. Entrega: 03/03/2019 (2 semanas)
Primeiro Trabalho de IA/SI: Buscas Entrega: 03/03/2019 (2 semanas) 18 de Fevereiro de 2019 Este trabalho é para ser submetido via Moodle. Será desenvolvido principalmente durante as aulas práticas, mas
Leia maisSEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
Leia maisRECONHECIMENTO FACIAL UTILIZANDO EIGENFACES
Universidade Federal do Rio de Janeiro Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia Programa de Engenharia de Sistemas e Computação Rio de Janeiro, RJ Brasil RECONHECIMENTO
Leia maisVisão Computacional. Alessandro L. Koerich. Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR)
Visão Computacional Alessandro L. Koerich Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR) Análise da Imagem Análise da Imagem O algoritmo opera sobre a imagem e extrai
Leia maisReconhecimento de palma de mão. Peterson Wagner Kava de Carvalho
Reconhecimento de palma de mão Peterson Wagner Kava de Carvalho 1 Sumário 1. Introdução 2. Artigo 1: Palmprint Recognition a. Pré-Processamento b. Extração de Features c. Classificação d. Resultados 3.
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Conceitos básicos Classificação não-supervisionada:
Leia maisMétodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Introdução Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares,
Leia maisDistorções Dinâmicas no Tempo & Pesquisa. Distorção dinâmica no tempo Pesquisa Algoritmos gráficos de pesquisa Algoritmos de programação dinâmica
Distorções Dinâmicas no Tempo & Pesquisa Distorção dinâmica no tempo Pesquisa Algoritmos gráficos de pesquisa Algoritmos de programação dinâmica 1 Casamento de Template Baseado em Palavra Medida de Característica
Leia maisMarcas d Água Visuais em Mapas Vetoriais. Douglas Marques Karina Magalhães Ricardo Dahab
Marcas d Água Visuais em Mapas Vetoriais Douglas Marques Karina Magalhães Ricardo Dahab Marcas d Água 1 Bitmap e Mapa Vetorial Bitmaps: imagem representada por uma matriz, em que cada elemento representa
Leia maisAprendizagem de Máquina
Problema do Agrupamento Aprendizagem de Máquina Alessandro L. Koerich Seja x = (x 1, x 2,, x d ) um vetor d dimensional de características Seja D um conjunto de x vetores, D = { x(1), x(2),, x(n) } Problema
Leia maisVISÃO COMPUTACIONAL. Marcelo Henrique dos Santos
VISÃO COMPUTACIONAL Marcelo Henrique dos Santos marcelosantos@outlook.com São Paulo SP, Agosto/2013 INTRODUÇÃO Processamento de imagens é um processo onde a entrada do sistema é uma imagem e a saída é
Leia maisProjeto e Análise de Algoritmos
Projeto e Análise de Algoritmos Apresentação da Disciplina Edirlei Soares de Lima Por que Estudar Algoritmos? Razões Práticas e Teóricas: Devemos conhecer um conjunto de algoritmos
Leia maisProjeto e Análise de Algoritmos
Projeto e Análise de Algoritmos Aula 02 Técnicas de Projeto de Algoritmos (Força Bruta) Edirlei Soares de Lima Tipos Importantes de Problemas Problemas de Ordenação: Reorganizar
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 mais2 Processo de Agrupamentos
20 2 Processo de Agrupamentos A análise de agrupamentos pode ser definida como o processo de determinação de k grupos em um conjunto de dados. Para entender o que isso significa, observe-se a Figura. Y
Leia maisVectores: Algoritmos de Ordenação. Algoritmos e Estruturas de Dados 2009/2010
Vectores: Algoritmos de Ordenação Algoritmos e Estruturas de Dados 2009/2010 Ordenação Problema (ordenação de vector) rearranjar os n elementos de um vector (v) por ordem crescente, ou melhor, por ordem
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS MÁQUINA DE VETOR DE SUPORTE (SUPPORT VECTOR MACHINES) Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Introdução Poderosa metodologia para resolver problemas de aprendizagem
Leia maisResolvendo algebricamente um PPL
Capítulo 6 Resolvendo algebricamente um PPL 6.1 O método algébrico para solução de um modelo linear A solução de problemas de programação linear com mais de duas variáveis, não pode ser obtida utilizando-se
Leia maisStructure-based ASCII Art
Structure-based ASCII Art Alexandre Miyazaki Rafael Viégas 19 de Dezembro de 2011 Fundamentos de Processamento de Imagens 1/31 Sumário Introdução Tone Based vs Structure Based Objetivo Metodologia do Artigo
Leia maisAula 3- Codificação de Canal. October 18, 2017
ELE-32 Introdução a Comunicações Aula 3- Codificação de Canal October 18, 2017 1 Introdução Em muitas situações, a mensagem a ser transmitida por um sistema de comunicações é uma sequência de bits. Entretanto,
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 07 Classificação com o algoritmo knn Max Pereira Classificação com o algoritmo k-nearest Neighbors (knn) Como os filmes são categorizados em gêneros? O que
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS AULA 03 Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 INTRODUÇÃO Aprendizagem é um processo pelo qual os parâmetros livres de uma rede neural são adaptados através de um processo
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Aprendizagem Baseada em Instâncias Plano de Aula Introdução Espaço
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 maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo temático Sistemas de Equações Lineares. Métodos diretos Conteúdo
Leia maisProgramação Dinâmica I SCC0210 Algoritmos Avançados (2/2011) Lucas Schmidt Cavalcante
Programação Dinâmica I SCC0210 Algoritmos Avançados (2/2011) Lucas Schmidt Cavalcante Introdução Soma máxima de uma subsequência contígua Problema do troco Quantidade de formas de dar troco Problema da
Leia maisEEL - USP. Aula 3 Sistemas de fluxo, relacionamentos entre as atividades e necessidades de espaço e de pessoal. Prof. Dr. Geronimo
EEL - USP Aula 3 Sistemas de fluxo, relacionamentos entre as atividades e necessidades de espaço e de pessoal Prof. Dr. Geronimo Sistema de fluxo Os sistema de fluxos são muito importantes para o planejador
Leia maisReconhecimento facial. uma aplicação prática do reconhecimento de padrões
Reconhecimento facial uma aplicação prática do reconhecimento de padrões Márcio Koch, junho 2014 Pauta Apresentação Visão computacional Reconhecimento de padrões Analise de Componentes Principais Reconhecimento
Leia maisUm Estudo Teórico e Experimental em Algoritmos Clássicos de Busca em Texto
Um Estudo Teórico e Experimental em Algoritmos Clássicos de Busca em Texto PAULO SÉRGIO R. CARVALHO DEIVE DE OLIVEIRA ALESSANDRA GUARACY ALISSON GOMES FERNADO CESAR DA CONCEIÇÃO JOSEANE FREIRE JONES ALBUQUERQUE
Leia maisQuadro 15 - Resultado da extração da marca d água em formato JPEG após ataque de colagem DCT DC
109 Quadro 15 - Resultado da extração da marca d água em formato JPEG após ataque de colagem JPEG/Colagem central LSB FUSION W 110 Quadro 16 - Resultado da extração da marca d água em formato PNG após
Leia maisCódigos de bloco. Luis Henrique Assumpção Lolis. 1 de novembro de Luis Henrique Assumpção Lolis Códigos de bloco 1
Códigos de bloco Luis Henrique Assumpção Lolis 1 de novembro de 2013 Luis Henrique Assumpção Lolis Códigos de bloco 1 Conteúdo 1 Códigos de bloco lineares 2 Códigos sistemáticos 3 Síndrome 4 Distância
Leia maisCIC 111 Análise e Projeto de Algoritmos II
CIC 111 Análise e Projeto de Algoritmos II Prof. Roberto Affonso da Costa Junior Universidade Federal de Itajubá AULA 19 Paths and circuits Eulerian paths Hamiltonian paths De Bruijn sequences Knight s
Leia maisAlgoritmos de bulk-loading para o método de acesso métrico Onion-tree
Algoritmos de bulk-loading para o método de acesso métrico Onion-tree http://www.icmc.usp.br/img/novafaixa.png Arthur Emanuel de O. Carosia Profa. Dra. Cristina Dutra de Aguiar Ciferri Visão Geral Onion-tree
Leia maisLinguagens Formais e Autômatos P. Blauth Menezes
Linguagens Formais e Autômatos P. Blauth Menezes blauth@inf.ufrgs.br Departamento de Informática Teórica Instituto de Informática / UFRGS Linguagens Formais e Autômatos - P. Blauth Menezes 1 Linguagens
Leia maisAlgoritmos e Estruturas de Dados I1 Prof. Eduardo 1
Algoritmos e Estruturas de Dados I1 Prof. Eduardo 1 ORDENAÇÃO E BUSCA Ordenação: Bublesort, seleção direta e inserção direta. Busca: linear e binária 1 - ORDENAÇÃO (CLASSIFICAÇÃO) DE DADOS Em diversas
Leia maisPlanificação Anual da disciplina de Programação e Sistemas de Informação 10º 1PI
Res e M ó d u l o 1 - I n t r o d u ç ã o à P r o g r a m a ç ã o e A l g o r i t m i a 1. Introdução à Lógica de Programação 1.1. Lógica 1.2 Sequência Lógica 1.3 Instruções 1.4 Algoritmos 2. Desenvolvimento
Leia maisINF111 Programação II Aulas 11, 12, 13 Ordenação
INF Programação II Aulas,, Ordenação Departamento de Informática UFV Ordenação A ordenação é o processo de organizar um conunto (vetor) de n obetos ou registros segundo uma determinada ordem crescente
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Introdução
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Introdução Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Objetivos Introduzir os conceito básicos de reconhecimento
Leia maisDepartamento de Engenharia Rural Centro de Ciências Agrárias. Programação I
Departamento de Engenharia Rural Centro de Ciências Agrárias Programação I Exercícios Variáveis compostas homogêneas Multidimensionais (matrizes e outras abstrações) Manipulação de Strings e caracteres
Leia maisAprendizado de Máquina
Aprendizado de Máquina Árvores de Decisão Luiz Eduardo S. Oliveira Universidade Federal do Paraná Departamento de Informática http://lesoliveira.net Luiz S. Oliveira (UFPR) Aprendizado de Máquina 1 / 28
Leia maisStrings (Casamento de padrões) Estrutura de Dados II Jairo Francisco de Souza
Strings (Casamento de padrões) Estrutura de Dados II Jairo Francisco de Souza Strings Tipo de dado importante para diversas aplicações. Abordaremos algumas questões relacionadas com Strings nos seguintes
Leia maisCLASSIFICADORES ELEMENTARES
CLASSIFICADORES ELEMENTARES Classificação 2 Consiste em tentar discriminar em diferentes classes um conjunto de objetos com características mensuráveis Exemplo: classificação de frutas Forma, cor, sabor,
Leia maisProjeto e Análise de Algoritmos
Projeto e Algoritmos Pontifícia Universidade Católica de Minas Gerais harison@pucpcaldas.br 26 de Maio de 2017 Sumário A complexidade no desempenho de Quando utilizamos uma máquina boa, ela tende a ter
Leia maisCIC 111 Análise e Projeto de Algoritmos II
CIC 111 Análise e Projeto de Algoritmos II Prof. Roberto Affonso da Costa Junior Universidade Federal de Itajubá AULA 27 Square root algorithms Combining algorithms Integer partitions Mo s algorithm Square
Leia maisAprendizado por Instâncias Janelas de Parzen & Knn
Universidade Federal do Paraná (UFPR) Especialização em Engenharia Industrial 4.0 Aprendizado por Instâncias Janelas de Parzen & Knn David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Aprendizado por
Leia maisAgenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação
Agenda do Dia Aula 14 (19/10/15) Sistemas Lineares: Introdução Classificação Sistemas Lineares Sistemas lineares são sistemas de equações com m equações e n incógnitas formados por equações lineares. Um
Leia mais2 SIFT (Scale Invariant Feature Transform)
SIFT (Scale Invariant Feature Transform) O SIFT é um algoritmo de visão computacional proposto e publicado pelo pesquisador David Lowe (Lowe, 1999), professor do departamento de Ciência da Computação na
Leia maisIntrodução ao Reconhecimento. Prof. Dr. Geraldo Braz Junior
Introdução ao Reconhecimento Prof. Dr. Geraldo Braz Junior O que você vê? 2 Pergunta: Essa imagem tem um prédio? Classificação 3 Pergunta: Essa imagem possui carro(s)? Detecção de Objetos Vários 4 Pergunta:
Leia maisUSANDO UM MÉTODO INDUTIVO PARA RESOLVER PROBLEMAS. Bruno Maffeo Departamento de Informática PUC-Rio
USANDO UM MÉTODO INDUTIVO PARA RESOLVER PROBLEMAS Bruno Maffeo Departamento de Informática PUC-Rio MÉTODO INDUTIVO O método indutivo para resolver problemas aqui empregado inspira-se na formulação mais
Leia maisArvores binárias. Fonte: https://www.tumblr.com/ PF 14 pf/algoritmos/aulas/bint.html
AULA 25 Arvores binárias Fonte: https://www.tumblr.com/ PF 14 http://www.ime.usp.br/ pf/algoritmos/aulas/bint.html Mais tabela de símbolos Uma tabela de símbolos (= symbol table = dictionary) é um conjunto
Leia maisOtimização em Grafos
Otimização em Grafos Luidi G. Simonetti PESC/COPPE 2017 Luidi Simonetti (PESC) EEL857 2017 1 / 33 Definição do Problema Dado: um grafo ponderado G = (V, E), orientado ou não, onde d : E R + define as distâncias
Leia maisCamada de Enlace de Dados
Camada de Enlace de Dados Camada de Enlace de Dados aborda algoritmos que permitem uma comunicação eficiente e confiável entre dois computadores adjacentes em nível da camada de enlace de dados (adjacentes
Leia maisEET-61 Introdução a Teoria da Informação
EET-61 Introdução a Teoria da Informação Aula 3- Codificação de Canal October 24, 2018 1 Introdução Em muitas situações, a mensagem a ser transmitida por um sistema de comunicações é uma sequência de bits.
Leia maisIII-1 Códigos detetores e corretores de erros
III-1 Códigos detetores e corretores de erros Comunicações 21 de novembro de 2017 ISEL-ADEETC-Comunicações 1 Sumário 1. Aspetos gerais sobre a comunicação digital Comportamento do canal Causas da existência
Leia maisReconhecimento de Padrões
Reconhecimento de Padrões André Tavares da Silva andre.silva@udesc.br Roteiro da aula Conceitos básicos sobre reconhecimento de padrões Visão geral sobre aprendizado no projeto de classificadores Seleção
Leia maisComplexidade de Algoritmos. Edson Prestes
Edson Prestes Exemplos Exemplos A complexidade no pior caso é linear e igual a n, ou seja, é O(n) A complexidade média é linear e igual a (1+n)/2, ou seja, é O(n) Exemplos Considere o produto C de uma
Leia mais