Sistema interativo de registro de imagens baseado em feições. Camilo Daleles Rennó
|
|
- Marcos Braga
- 5 Há anos
- Visualizações:
Transcrição
1 Sstema nteratvo de regstro de magens baseado em feções Camlo Daleles Rennó Insttuto Naconal de Pesqusas Espacas - INPE Caxa Postal São José dos Campos - SP, Brasl camlo@dp.npe.br Abstract. Ths work presents an mage regstraton sstem that uses a feature-based approach durng the acquston of control ponts. Ths method mnmzes the dffcultes caused b the dscrepanc and nconsstenc among mages. The sstem s capable of handlng mages wth moderated deformaton. In addton, an evaluaton method of regstraton, based on PRESS crteron, s descrbed. The sstem was tested on a real applcaton and the results showed the robustness of the sstem. Palavras-chave: Regstraton, mage processng, evaluaton method, regstro de magens, processamento de magens, método de avalação 1. Introdução O regstro de magens é uma técnca muto utlzada em aplcações de processamento de magens que vsam a análse conjunta de duas ou mas magens tomadas em dferentes épocas, em dferentes vsadas e/ou por dferentes sensores, como por exemplo, a fusão de magem, a detecção de mudança, a restauração de magem, entre outras. Uma revsão completa de métodos de regstro de magens pode ser encontrada em Brown (1992) e Ztova e Flusser (2003). As técncas de regstro de magens têm evoluído muto nos últmos anos. Técncas mas recentes têm permtdo o regstro automátco de magens, facltando o processo de georreferencamento de magens (Bentoutou et al, 2005), através da seleção e dentfcação automátca ou sem-automátca de pontos cujas coordenadas sejam correspondentes entre as magens a serem regstradas. No entanto, este regstro automátco pode ser dfcultado devdo a pouca coerênca entre as magens analsadas. Em alguns casos, apenas poucas feções estão presentes em ambas as magens. Neste caso, mesmo a seleção manual de pontos concordantes nas magens pode ser dfícl. O objetvo deste trabalho é apresentar um sstema, denomnado RegIm (Sstema de Regstro de Imagens), que permte fazer o regstro nteratvo de magens. O grande dferencal neste sstema é que uma das magens a ser regstrada é convertda para o formato vetoral, permtndo que ambas sejam sobrepostas. O ajuste entre as magens é feta smultaneamente a coleta de pontos, facltando o processo de regstro. A grande motvação deste trabalho fo produzr uma ferramenta de fácl manpulação por usuáros de processamento de magens e sstemas de nformação geográfca em geral. O sstema RegIm fo desenvolvdo utlzando a lnguagem IDL (Interactve Data Language) e usa recursos dsponblzados no ENVI (The Envronment for Vsualzng Images). 2. Metodologa para o regstro de magem O prncpal objetvo do regstro é retfcar uma magem de modo que a magem resultante possua o mesmo sstema de coordenada da magem utlzada. Com o regstro, todas as magens passam a ter uma correspondênca espacal. Tradconalmente, o regstro de magens envolve as seguntes etapas: a) defnção da magem referênca usada como base para a transformação de uma outra magem, denomnada magem dstorcda; b) dentfcação de pontos de correspondênca espacal, denomnados pontos de controle; c) defnção da modelo de transformação espacal e estmação de seus 6067
2 parâmetros; e d) reamostragem da magem resultante através de uma função de nterpolação qualquer. A segur serão dscutdos mas profundamente alguns aspectos relatvos aos modelos de transformação espacal e à avalação do resultado do regstro. Os procedmentos e as técncas assm como as funções de nterpolação utlzados no processo de reamostragem das magens não serão abordados neste trabalho Modelos de transformação espacal A defnção da função de transformação espacal deve consderar a natureza das deformações entre as magens a serem regstradas e a precsão desejada do regstro. Os casos mas smples de deformações envolvem apenas correções de posção (translação), de escala e rotação. Quando a escala é a mesma para ambos os exos, tem-se uma transformação denomnada corpo rígdo, onde tanto dstâncas quanto ângulos de um objeto qualquer na magem são preservados. Esta transformação pode ser expressa por x tx cosθ senθ x s = t + senθ cosθ onde x * e * são as coordenadas de um ponto qualquer na magem referênca, x e as coordenadas do ponto correspondente na magem a ser regstrada, t x e t são os valores de translação nos exos x e respectvamente, s é o fator de escala global e θ é o ângulo de rotação. A Equação 1 pode ser modfcada para permtr que as escalas sejam dferentes para cada exo, resultando numa transformação afm ortogonal que preserva os ângulos de um objeto após a transformação: x tx sx 0 cosθ senθ x = t + 0 s senθ cosθ onde s x e s representam os fatores de escala para cada um dos exos. Esta transformação pode anda permtr a quebra da ortogonaldade, mas anda conservando o paralelsmo, através da nclusão de fatores de csalhamento para cada exo, k x e k : x tx 1 kx sx 0 cosθ senθ x = t + k 1 0 s senθ cosθ (1) (2). (3) Alternatvamente, a Equação 3 pode ser reescrta através de duas equações lneares bvaradas: x = a + b x+ c x x x = a + b x+ c onde a x, b x, c x, a, b, c são parâmetros das equações de transformação, sendo esta forma preferda quando não se deseja explctar as componentes (translação, escala, rotação e csalhamento) do modelo escolhdo para a transformação. A Fgura 1 apresenta os tpos de deformações que podem ser produzdos através da aplcação deste modelo. Outras transformações geométrcas mas complexas podem ser consegudas com o acréscmo de mas termos à Equação 4, como por exemplo a quebra do paralelsmo através da nclusão do termo de nteração x, de modo que as equações de transformação tornam-se x = a + b x+ c + d x x x x x = a + b x+ c + d x sendo d x e d os parâmetros de nteração. Qualquer outro polnômo pode ser utlzado durante o processo de regstro. No entanto, seu uso deve ser feto com cautela, uma vez que, na maora das aplcações que fazem uso do regstro, não se faz necessáro fortes deformações (4) (5) 6068
3 para se fazer o ajuste entre magens. A Fgura 2 apresenta algumas transformações geométrcas onde fortes deformações são mpostas com o uso de polnômos de maor ordem. Fgura 1 Exemplos de transformações geométrcas. Fgura 2 Exemplos de transformações geométrcas mas complexas. Da esquerda para dreta: desenho orgnal, deformação usando termo de nteração e duas deformações obtdas usando-se um polnômo bvarado de segundo grau. Uma vez escolhdo o modelo de transformação, seus parâmetros devem ser estmados através da dentfcação e seleção de pontos de correspondênca (pontos de controle) entre as magens que estão sendo regstradas. Para cada modelo de transformação, é exgdo um número mínmo de pontos de controle defndo pelo número de parâmetros a serem estmados. Por exemplo, com apenas um par de pontos, somente é possível fazer duas translações, o que corrgra problemas de posconamento. Com dos pares de pontos, é possível se fazer duas translações, uma rotação e uma mudança de escala em ambos os exos smultaneamente (transformação de corpo rígdo). O efeto de csalhamento é consegudo quando se utlza três ou mas pares de pontos. Fnalmente, a quebra do paralelsmo pode ser obtda com o uso de quatro pares de pontos Avalação do modelo Quando são coletados mas pontos de controle do que o mínmo exgdo pelo modelo de transformação, a estmação dos parâmetros é feta através da mnmzação dos erros quadrátcos. Dessa forma, a transformação não é exata e o erro (ou resíduo) de posconamento de cada ponto de controle pode ser utlzado para verfcar sua adequação ao modelo. Em geral, o erro médo quadrátco (RMS, root mean square) é utlzado como medda da precsão global do regstro. Consderando-se, como exemplo, as equações de transformação da Equação 4, e supondo-se que n pontos de controle (representando n pares de coordenadas) sejam coletados (n 3, nesse caso), a estmação dos parâmetros pode ser obtda por ax n x x 2 b x = x x x x x (6) 2 c x x x = 1, L, n a n x 2 b x x x x = 2 c x Desse modo, após a aplcação da transformação, as estmatvas das coordenadas de cada ponto de controle e o RMS correspondente podem ser obtdos por 6069
4 e xˆ = a + b x + c x x x ˆ = a + b x + c RMS ( x ˆ ) ( ˆ x + ) 2 2 n =. (8) Idealmente, a avalação do regstro requer um conjunto ndependente de pares de pontos de controle (comumente chamado de conjunto de teste), cujas coordenadas sejam precsamente conhecdas. Nesse caso, uma avalação é obtda estmando-se as posções destes novos pontos com base no modelo estmado a partr do conjunto orgnal de pontos de controle (comumente chamado de conjunto de trenamento). O RMS, como defndo na Equação 8, pode anda ser utlzado como uma medda global de valdação. Se o modelo for consstente, espera-se que este novo RMS não seja muto dferente daquele prevamente encontrado durante a avalação de ajuste do modelo. Em casos em que o número de pontos de controle dsponível é pequeno ou não se tem nformação precsa sobre pontos de controle, esta avalação torna-se bastante lmtada. Nesse caso, o crtéro PRESS (Neter et al, 1996) pode ser faclmente adaptado a fm de fornecer uma métrca que permta avalar a capacdade predtva do modelo seleconado. Este método analsa a mportânca de cada ponto de controle na defnção do modelo. A métrca proposta neste trabalho, denomnada RMSp (o p faz alusão ao caráter predtvo desta métrca), baseada no crtéro PRESS, semelhantemente ao RMS, calcula uma méda das somas quadrátcas dos deslocamentos entre os pontos de controle e suas estmatvas: RMSp ( x ˆ( )) ( ˆ x + ( ) ) 2 2 n = (9) onde xˆ ( ) e ˆ ( ) representam as estmatvas de predção para o ponto x e. Neste caso, cada estmatva é feta através de um ajuste do modelo sem a nclusão deste ponto no processo de estmação dos parâmetros. Valores baxos de RMSp ndcam boa dstrbução espacal dos pontos de controle e forte robustez do modelo ajustado. A avalação do erro de predção de 2 2 x xˆ + ˆ, também pode ndcar o poder deste ponto em cada ponto de controle, ( ) ( ) ( ) ( ) forçar o ajuste do modelo. A exstênca de erros de predção altos pode ndcar má dstrbução espacal dos pontos de controle ou a adoção nadequada de modelos de transformação de alta complexdade. 3. Sstema RegIm O sstema RegIm é bascamente composto por um sstema de janelas, duas das quas são usadas para vsualzação das magens e uma tercera que gerenca a seleção dos pontos de controle. A Fgura 3 apresenta a nterface do sstema durante a aqusção dos pontos dos pontos de controle Entrada de dados O prmero passo no processo de regstro é a defnção da magem de referênca (magem base) e da magem a ser corrgda (magem dstorcda). Para permtr a vsualzação smultânea das magens numa mesma janela, uma delas (ou ambas) deve ser vetorzada. No processo de vetorzação, todas as descontnudades são convertdas em lnhas (Fgura 4). Por smplfcação, as magens a serem vetorzadas devem representar magens bnáras ou magens cujos valores representem manchas contínuas no espaço de algum fenômeno que (7) 6070
5 possa ser dentfcado na outra magem. Quando as magens a serem regstradas representarem lmtes de polígonos e não manchas contínuas, a vetorzação deve ser feta de modo que os centros dos pxels marcados como pertencentes a esse lmte (cujos valores sejam dferentes de zero) sejam undos por uma lnha (Fgura 4) Fgura 3 Interface do sstema RegIm. Fgura 4 Vetorzação de magem de manchas e de lmtes. Caso as magens não tenham a mesma projeção cartográfca, a projeção da magem a ser regstrada é automatcamente convertda para a da magem referênca. Caso somente a magem referênca possua projeção cartográfca, a magem dstorcda é vetorzada e sua coordenada modfcada de manera a se ajustar à prmera. Se a magem referênca não possur projeção cartográfca, então ambas as magens utlzarão o sstema de coordenadas baseado em lnhas e colunas Seleção dos pontos de controle e ajuste dos parâmetros do modelo de transformação espacal Com as magens a serem regstradas nserdas no sstema, nca-se o processo de seleção de pontos de controle que permtrão o ajuste dos parâmetros do modelo seleconado. O sstema RegIm possu 4 modelos para o polnômo de transformação: a) prmero grau com escala global (Equação 1); b) prmero grau com escalas dferentes para cada exo (Equação 2); prmero grau com termo de nteração (Equação 3); e d) segundo grau. Além dsso, opconalmente, pode-se ajustar automatcamente o modelo de maor complexdade, dado o número de pontos de controle dsponíves. 6071
6 A Fgura 5 lustra as etapas envolvdas no processo de seleção dos pontos de controle. As lnhas em azul representam a magem a ser regstrada à magem de referênca (ao fundo). Com a seleção do prmero par de pontos (magem do lado superor esquerdo da fgura), a magem dstorcda é arrastada (através de duas translações) de modo que os pontos seleconados se concdam. A partr da seleção do segundo par de pontos (magem do lado nferor esquerdo), uma etapa ntermedára oculta ao usuáro é executada: ao seleconar o ponto sobre a magem dstorcda, a coordenada deste ponto é convertda para a projeção orgnal desta magem (antes de qualquer correção) formando, juntamente com a coordenada do ponto seleconado sobre a magem referênca, o segundo par de pontos, resultando na transformação mostrada no canto superor dreto da Fgura 5. Fgura 5 Etapas da seleção dos pontos de controle. Como cada ponto de controle pode ser movdo lvremente, é possível, numa prmera aproxmação, seleconar pontos próxmos a feções semelhantes e só então fazer um ajuste fno observando a sobreposção das feções no entorno. Este procedmento faclta muto o processo de regstro, pos o ponto de controle pode representar centros aproxmados de polígonos e não necessaramente cantos e cruzamentos de lnhas, como usualmente são os pontos de controle Reamostragem Uma vez defndo o modelo aproprado e estmado seus parâmetros, a magem dstorcda pode ser reamostrada de modo a tornar-se compatível com a magem de referênca. Pelo fato, da magem dstorcda representar uma magem bnára ou manchas contínuas no espaço, a função de nterpolação mas aproprada é a do vznho mas próxmo, que preserva os valores de cada elemento da magem. A magem resultante tem as mesmas dmensões, resoluções espacas e projeção daquela usada como referênca, garantndo assm a correspondênca espacal necessára para o estudo conjunto das mesmas. 4. Aplcação e dscussão dos resultados etapa ntermedára Durante o desenvolvmento do sstema, um conjunto de dados obtdo de Rennó (1995) fo utlzado. A aplcação consstu no regstro de um croqu, obtdo durante um trabalho de campo, a magens de radar. O croqu representava a dvsão em talhões de cultura agrícolas em propredades dentro de um perímetro rrgado próxmo a Petrolna (PE). O conjunto de magens de radar fo adqurdo smultaneamente ao trabalho de campo durante a mssão SIR- C, e é composto por três magens na banda L nas polarzações HH, HV e VV. 6072
7 O croqu fo elaborado a partr de um mapa em papel com os lmtes das propredades, não sendo conhecdas a escala e a projeção deste mapa. Para este trabalho, o croqu fo dgtalzado, obtendo-se uma magem bnára com os lmtes dos talhões destacados (Fgura 6). A dfculdade prncpal, nesse caso, fo a dentfcação de pontos de controle no conjunto de magens analsadas. Problemas devdo à mprecsão na defnção exata dos lmtes dos talhões e à exstênca de ruídos nas magens de radar dfcultaram a aqusção de pontos de controle e tornaram o processo de regstro convenconal bastante demorado. Fgura 6 Imagem SIR-C, banda L, polarzações HH, HV e VV (RGB), e croqu dgtalzado mostrando a dvsão entre talhões num perímetro rrgado. Ambas as bases não possuem escala nem projeção. Neste trabalho, fo testada a possbldade do uso de modelos de transformação mas smples, uma vez que, aparentemente, não hava grandes dstorções entre os dos tpos de dados, não justfcando a adoção de modelos polnomas de segunda ordem. Para tanto, foram seleconados 15 pontos de controle (muto superor ao mínmo exgdo para o modelo quadrátco), o que permtu a avalação da adequação do modelo e dos pontos de controle seleconados. A Fgura 7 apresenta o resultado do regstro com a utlzação do modelo de prmero grau consderando-se a nteração (Equação 4). Note, no detalhe da fgura, que nem todas as feções do croqu são observadas na magem de radar, evdencando o problema de falta de coerênca entre os dados. Fgura 7 Resultado do regstro usando modelo de prmero grau com nteração. A fm de avalar o resultado do regstro, foram calculados os valores de deslocamento (dstâncas eucldanas) entre cada ponto de controle e seu valor estmado pelo modelo de transformação espacal. A Fgura 8 apresenta os valores de erro de estmação e de predção para cada ponto de controle. De manera geral, pode-se notar que o modelo mas smples (que consdera apenas translação, escala e rotação) não fo sufcente para modelar as dstorções exstentes entre as magens analsadas. O modelo de 2 o grau fo o que apresentou os menores erros de estmação. Esse resultado já era esperado, pos este modelo faz uso de mas parâmetros permtndo uma maor flexbldade de adaptação às dstorções. No entanto, observe que este mesmo modelo apresentou valores de erro de predção bastante elevados para alguns pontos de controle, o que ndca que o modelo está fortemente condconado a esses pontos. Modelos de ordem elevada tendem a provocar dstorções exageradas em locas com baxa amostragem de pontos. Fnalmente, os outros dos modelos apresentaram 6073
8 resultados bastante semelhantes, ou seja, a nclusão do termo de nteração parece não afetar muto o resultado. deslocamento (em pxels) o grau 1 o grau (+nteração) 1 o grau 1 o grau (somente RST) pontos de controle erro de estmação erro de predção Fgura 8 Avalação dos erros de estmação e predção dos pontos de controle. Para complementar a análse de robustez dos modelos, foram calculados o RMS e o RMSp para cada modelo (Tabela 1). Como já dscutdo anterormente, o RMS dmnu a medda que aumenta-se o número de parâmetros do modelo. Assm, o modelo de 2 o grau fo o que apresentou o menor valor de RMS. No entanto, o valor de RMSp para este mesmo modelo fo superor a dos modelos mas smples. Novamente, o modelo mas smples apresentou os maores valores em ambas as meddas, corroborando a análse anteror. 5. Conclusão Tabela 1 Avalação global dos modelos. Modelo RMS RMSp 2 o grau 0,89 1,80 1 o grau (+ nteração) 0,96 1,38 1 o grau 1,12 1,42 1 o grau (somente RST) 4,30 5,12 Este trabalho apresentou um sstema nteratvo de regstro de magens. Este sstema utlza uma abordagem vetoral que faclta o processo de aqusção de pontos de controle prncpalmente quando as magens apresentam baxa concordânca. O sstema fo testado num conjunto de magens mostrando-se robusto. Baseando-se numa avalação dos erros de estmação e predção fo possível determnar o melhor modelo de transformação espacal para o conjunto testado. Referêncas Bentoutou, Y.; Taleb, N.; Kpalma, K.; Ronsn, J. An automatc mage regstraton for applcatons n remote sensng. IEEE Transactons on Geoscence and Remote Sensng, v. 43(9), p , Brown, L.G. A surve of mage regstraton technques. ACM Computng Surves, v. 24, p , Neter, J.; Kutner, M.H.; Nachtshem, C.J.; Wasserman, W. Appled Lnear Statstcal Models. Boston: McGraw-Hll, p. Rennó, C. D. Avalação de meddas texturas na dscrmnação de classes de uso utlzando magens SIR- C/X-SAR do perímetro rrgado de Bebedouro, Petrolna, PE p. (INPE TDI/926). Dssertação (Mestrado em Sensoramento Remoto) - Insttuto Naconal de Pesqusas Espacas, São José dos Campos Dsponível na bbloteca dgtal URLb: < /sd.npe.br/jeferson/2004/ >. Acesso em: 14 nov Ztová, B.; Flusser, J. Image regstraton methods: a surve. Image and Vson Computng, v. 21, p ,
3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia mais2 Aproximação por curvas impĺıcitas e partição da unidade
Aproxmação por curvas mpĺıctas e partção da undade Este capítulo expõe alguns concetos báscos necessáros para o entendmento deste trabalho 1 Curvas Algébrcas Um subconjunto O R é chamado de uma curva mplícta
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia maisAvaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais
Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisFlambagem. Cálculo da carga crítica via MDF
Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisAuto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Misturograma em imagens em nível de cinza
Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Msturograma em magens em nível de cnza Severno Jr, Osvaldo IMES - FAFICA osvaldo@fafca.br Gonzaga, Adlson Escola de Engenhara de São Carlos -
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisÂngulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)
4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia mais2 Experimentos com Mistura
Modelagem em Expermentos com Mstura e Mstura-Processo Expermentos com Mstura Formulações de Expermentos com Mstura (EM) são freuentemente encontradas nas ndústras uímcas, farmacêutcas, de almentos e em
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
Leia maisAVALIAÇÃO EXPERIMENTAL DE UM MÉTODO DE MEDIÇÃO DE COORDENADAS IMAGEM COM PRECISÃO SUBPIXEL
IV Colóquo Braslero de Cêncas Geodéscas - IV CBCG Curtba, 16 a 0 de mao de 005 AVALIAÇÃO EXPERIMENTAL DE UM MÉTODO DE MEDIÇÃO DE COORDENADAS IMAGEM COM PRECISÃO SUBPIXEL Bazan, W. S. 1, Tommasell, A. M.
Leia maisProcedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson
Trabalho apresentado no III CMAC - SE, Vtóra-ES, 015. Proceedng Seres of the Brazlan Socety of Computatonal and Appled Mathematcs Procedmento Recursvo do Método dos Elementos de Contorno Aplcado em Problemas
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia maisCap. 5 Classificação Temática
Prncípos e Aplcações da Deteção Remota Cap. 5 Classfcação Temátca 5.1 O Processo de Classfcação 5. Classfcação de Máxma Verosmlhança (supervsonada paramétrca) 5..1 Classes multvaradas normas 5.. Lmtes
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshm Kusumoto andrekusumoto.unp@gmal.com Operações pontuas globas em magens Uma operação pontual global em uma magem dgtal r é a função f(r) aplcada a todo pxel
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO
Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade
Leia maisU N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisANÁLISE DE DESEMPENHO DE FILTROS DE REMOÇÃO DE RUÍDO SPECKLE EM IMAGEM SAR (PALSAR-ALOS) COM BASE EM MEDIDAS DE TEXTURA
ANÁLISE DE DESEMPENHO DE FILTROS DE REMOÇÃO DE RUÍDO SPECKLE EM IMAGEM SAR (PALSAR-ALOS) COM BASE EM MEDIDAS DE TEXTURA Erl Pnto dos Santos ¹, Robson Argolo dos Santos ³, Rosangela Leal Santos ³ ¹Estudante
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia mais2ª PARTE Estudo do choque elástico e inelástico.
2ª PARTE Estudo do choque elástco e nelástco. Introdução Consderemos dos corpos de massas m 1 e m 2, anmados de velocdades v 1 e v 2, respectvamente, movmentando-se em rota de colsão. Na colsão, os corpos
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia maisModelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.
Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados
Leia maisCAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA
CAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA 3. Método Utlzando Ponto de Controle O uso de pontos de controle é o meo mas exato para a determnação do offset da fase nterferométrca. Normalmente utlza-se
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia maisClassificação e Pesquisa de Dados
Classcação por Trocas Classcação e Pesqusa de Dados Aula 05 Classcação de dados por Troca:, ntrodução ao Qucksort UFRGS INF01124 Classcação por comparação entre pares de chaves, trocando-as de posção caso
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisMETODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO
Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento
Leia mais3 Subtração de Fundo Segmentação por Subtração de Fundo
3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia maisFUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores
FUNDMENTOS DE ROBÓTIC Modelo Cnemátco de Robôs Manpuladores Modelo Cnemátco de Robôs Manpuladores Introdução Modelo Cnemátco Dreto Modelo Cnemátco de um Robô de GDL Representação de Denavt-Hartenberg Exemplos
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisu a mesma área, na escala de 1: , tomadas a cada intervalo de 18 dias.
QUANTFCAÇÃO E SENSORAMENTO REMOTO NA NVESTGAÇÃO GEOGRÁFCA A evolução recente da cênca tem colocado, com certa frequênca, o nvestgador em stuação crítca face à massa de nformações, dados e meos para sua
Leia mais2 Principio do Trabalho Virtual (PTV)
Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshm Kusumoto andrekusumoto.unp@gmal.com Prof. André Y. Kusumoto andrekusumoto.unp@gmal.com Operações pontuas globas em magens Uma operação pontual global em uma
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisCorrecções radiométricas Correcções geométricas
Prncípos e Aplcações da Detecção Remota Cap. 5 Classfcação Temátca 5.1 Correcção de magens 6.1.1 Correcções Radométrcas 6.1.2 Correcções Geométrcas 5.1.3 Reamostragem 5. 2 Índces (empírcos) de Vegetação
Leia maisPROPOSTA METODOLÓGICA PARA MODELAGEM DAS DISTORÇÕES NA REDE GEODÉSICA BRASILEIRA
PROPOSTA METODOLÓGICA PARA MODELAGEM DAS DISTORÇÕES NA REDE GEODÉSICA BRASILEIRA C A P E S VII GEGE Anual - O Estado da Arte das Pesqusas do Grupo de Estudos de Geodésa Espacal Presdente Prudente 07/1/007
Leia mais5 Formulação para Problemas de Potencial
48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando
Leia maisMODELAGEM DE DISTORÇÕES ENTRE SAD 69 E SIRGAS 2000 UTILIZANDO GRADES REGULARES
II Smpóso Braslero de Geomátca Presdente Prudente - SP, 4-7 de julho de 007 V Colóquo Braslero de Cêncas Geodéscas ISSN 1981-651, p. 505-513 MODELAGEM DE DISTORÇÕES ENTRE SAD 69 E SIRGAS 000 UTILIZANDO
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisUma comparação entre algoritmos de projeção para restauração de imagens do satélite CBERS-1
Uma comparação entre algortmos de projeção para restauração de magens do satélte CBERS- João P. Papa Nelson D. A. Mascarenhas Lela M.G. Fonseca 2 Unversdade Federal de São Carlos - UFSCAR Caxa Postal 676-3565-905
Leia maisAnálise de áreas de risco considerando os afundamento de tensão em estudos de planejamento
Análse de áreas de rsco consderando os afundamento de tensão em estudos de planejamento J. C. Cebran, L. Camlo, N. Kagan, N. M. Matsuo*, H. Arango Enerq-USP 1 Resumo-- Este trabalho permte avalar os índces
Leia maisO MMD se baseia no sistema no sistema linearizado das equações de fluxo de potência, ou seja: Δ (4.1)
4 Método da Matrz D Neste capítulo será apresentada uma descrção do MMD [Prada, 99], [Prada, ]. Este método será usado para dentfcar casos de nstabldade de tensão causados pela perda de controlabldade.
Leia maisRadiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)
Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,
Leia maisAprendizagem de Máquina
Plano de Aula Aprendzagem de Máquna Aprendzagem Baseada em Instâncas Alessandro L. Koerch Introdução Espaço Eucldano Aprendzagem Baseada em Instâncas (ou Modelos Baseados em Dstânca) Regra knn (k vznhos
Leia mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisVariável discreta: X = número de divórcios por indivíduo
5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia mais3 Definição automática de carregamento ótimo
3 Defnção automátca de carregamento ótmo A formulação ncal mostrada neste capítulo fo feta por Sérgo Álvares Maffra[11] e parte da mplementação fo feta por Anderson Perera, tendo sofrdo algumas modfcações
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
Leia maisClassificação supervisionada de imagens SAR do SIVAM pré-filtradas. Orlando Alves Máximo 1,2 David Fernandes 2
Classfcação supervsonada de magens SAR do SIVAM pré-fltradas Orlando Alves Máxmo 1,2 Davd Fernandes 2 1 Insttuto de Estudos Avançados IEAv Rodova dos Tamoos Km 5,5 12228-840 São José dos Campos SP, Brasl
Leia mais