Fast Multiresolution Image Querying
|
|
- Pietra Beppler Rios
- 8 Há anos
- Visualizações:
Transcrição
1 Fast Multresoluton Image Queryng Baseado no artgo proposto por: Charles E. Jacobs Adan Fnkelsten Davd H. Salesn Propõe um método para busca em um banco de dados de magem utlzando uma magem de consulta que sea smlar a magem que se desea encontrar. O algortmo faz uso de uma decomposção em multresolução por wavelets da magem de consulta e de todas as magens do banco de dados. Para tal será defnda uma métrca de dstânca entre duas magens que fará uso de um subconunto dos coefcentes da transformada de wavelets ao qual denomnaremos assnatura da magem.
2 Motvação Bancos de Dados de Imagens cada vez maores: WWW Desktop Publshng Clp Art Lbrares Métodos tradconas nefcazes: Palavras chaves Procura manual sobre thumbnals Outras Aplcações: Mosaco Vdeo Query
3 Fatores relevantes do problema Imagem de consulta vs. Imagem a ser buscada. Qualdade da magem gerada pelo usuáro (pequenos deslocamentos espacas dstorções na geometra e na cor ) Qualdade do processo de dgtalzação (deslocamentos na espaço de cor baxa resolução dtherng ) Métrca L 1 e L 2 são pouco efcazes e lentas. Q T Q T 1 2 Q T Q T ¹
4 Exemplo para a métrca L 1 e L 2 - = - =
5 Trabalhos relaconados Algumas abordagens propostas anterormente: Propredades dos Hstogramas. Análse de Texturas. Característcas geométrcas como crculardade orentação preferencal etc. Atrbutos vsuas como: composção de cor arestas domnantes. Ou a combnação dos processos acma.
6 Vantagens de uma métrca baseada em Wavelets Poucos coefcentes representam bem a magem. Armazena nformações de arestas. Pratcamente não dependem da resolução orgnal. A transformada é calculada em tempo lnear ao tamanho da magem.
7 Componentes da Métrca Espaço de Cor RGB x HSV x YIQ YIQ: É uma decomposção da cor em uma componente de Lumnânca (Y) e duas componentes de Cromnânca (I e Q).
8 Tpo da Wavelet Wavelet de Haar: Componentes da Métrca Fácl mplementação Performance efcente. Representa bem magens com grandes regões de cor constante.
9 Componentes da Métrca Tpo de decomposção Decomposção padrão apresentou melhores resultados.
10 Componentes da Métrca Truncagem/Quantzação dos coefcentes da transformação Apenas os m coefcentes de maor magntude são consderados que serão quantzados para -1 ou +1 Bons resultados para m = 40 a 60 Mas efcente Menor espaço de armazenamento Melhores resultados
11 Componentes da Métrca Resultado da Truncagem e Quantzação Imagem orgnal sua assnatura com 2000 e 60 coefcentes (canal Y).
12 Defnndo a Métrca Q: wavelet da magem de consulta (1 canal de cor) T: wavelet de uma magem do banco de dados (1 canal de cor) Q[00] e T[00]: méda do respectvo canal de cor Q [] e T []: coefcentes truncados e quantzados de Q e T. Uma métrca pode ser defnda como: Q T w 00 T00 w Q' T ' 0 0 Q
13 Smplfcação da Métrca Substtur a subtração pela operação de desgualdade Pesos w são agrupados em buckets segundo a função bn() São consderados apenas os coefcentes Q [] que não tenham sdo truncados (assmetra). Métrca L q (após smplfcações): Q T q w 00 T00 w Q' z T ' 0 Q bn( ) : Q' z0
14 Calculo rápdo da Métrca Trocando a desgualdade por gualdade aumenta-se o desempenho pos grande parte das magens do banco serão dferentes da magem de consulta. A operação: pode ser reescrta como: Resultando em: z z 0 ' : ) ( ' ' Q bn T Q w z z 0 ' : ) ( 0 ' : ) ( ' ' Q bn Q bn T Q w w z 0 ' : ) ( 0 ' ' Q bn q T Q w T Q w Q T
15 ALGORITMO Lnear à quantdade de magens no Banco de Dados Para cada magem do Banco de Dados: Wavelet de Haar 2D (base retangular Standard) Salva a méda de cor da magem (coefcente [00] da Wavelet) Regstra os m coefcentes de maor magntude absoluta (dferencando + e ) Para cada Query: Wavelet Guarda a méda e os m índces de maor magntude Para cada magem do Banco de Dados: Calcula score de acordo com a métrca
16 ALGORITMO Pré-processamento Haar 2D em duas passadas 1D decompondo prmero as lnhas e depos as colunas: Haar1D ( A: vetor de cor h: tamanho do vetor ) { Para = 0 até h 1 { A[] A[] / h } // Normalzação Enquanto h > 1 { h h / 2 Para = 0 até h 1 { A [] ( A[2] + A[2+1] ) / 2 A [h+] ( A[2] A[2+1] ) / 2 } A A } }
17 ALGORITMO Pré-processamento Haar2D ( T: matrz de cor r: tamanho de lnhas e colunas ) { Para = 0 até r 1: { Haar1 ( T[] r ) } TransposngMatrx ( T r ) Para = 0 até r 1: { DecomposeArray ( T[] r ) } TransposngMatrx ( T r ) } Salvar a Méda da Imagem: M[ ndex(t) ] = T[00]
18 ALGORITMO Pré-processamento Haar2DStandard ( T: matrz de cor r: tamanho de lnhas e colunas ) { Para = 0 até r 1: { Haar1D ( T[] r ) } TransposngMatrx ( T r ) Para = 0 até r 1: { Haar1D ( T[] r ) } TransposngMatrx ( T r ) } Salvar a Méda da Imagem: M[ ndex(t) ] = T[00]
19 ALGORITMO Pré-processamento Regstrar os m índces de maor magntude absoluta: 6 matrzes globas de tamanho (r x r): duas matrzes para cada canal de cor uma para os índces postvos e outra para os negatvos ( D a+ D a D b+ D b D c+ D c ) cada posção da matrz corresponde a um coefcente da wavelet e aponta para uma lsta das magens que tem este coefcente como um dos seus m índces de maor magntude com snal correspondente. D b + (Índces das magens) ()
20 ALGORITMO Query Imagem consulta Q decomposção por wavelet Q c [00] (cor méda de cada canal) m maores Q c [] coefcentes por canal quantzação Q c [00] Q c [] índces e snas T c [00] D c + [] D c [] score de cada magem
21 ALGORITMO Query func ScoreQuery( Q : array[0..r-1 0..r-1] de cor m : nt ): {. Haar2D( Q ) Incalza scores[ ] 0 para todos para cada canal de cor c : { para cada magem no database T : { scores[ índce(t) ] + = w c [0] * Q c [00] T c [00] } Q TruncaCoefcentes( Q m ) para cada coefcente Q c [] 0 { se Q c [] > 0 { lsta D C+ [] } senão { lsta D C [] } para cada elemento l da lsta { scores[ índce( l ) ] = w c [bn()] } } } retorna scores }
22 ALGORITMO Query bn( ) - agrupa dferentes coefcentes em um pequeno número de bns; cada grupo possu o mesmo peso. bn( ) := mn { max { } 5 } LL HL LH HH Pntado Scanneado b w Y [b] w I [b] w Q [b] w Y [b] w I [b] w Q [b]
23 A Aplcação 500 quadros do Van Gogh
24 A Aplcação 500 quadros do Van Gogh
25 A Aplcação 100 magens de clp art
26 Resultados Avalações realzadas no paper orgnal: Instruções - espaços de cores - tpo de wavelet - número de coefcentes Robustez com relação as dstorções Efeto do tamanho do banco de dados Desempenho Velocdade de busca
27 Desempenho Resultados
28 Resultados Velocdade de busca Metrc Tme n = 1093 n = Lq L1(8x8) L2(8x8) L1(128x128) L2(128x128) Lc Tempo de execução: m n mlsegundos m = n =
29 Dscursões - O algortmo descrto é extremamente rápdo. - Implementação não tão fácl quanto aparenta. - Os parâmetros do algortmo podem ser austados dependendo do banco de dados ou do tpo da magem query. - Para um banco de dados de 100 magens a magem retornada é quase sempre exata (1%). - Por outro lado para um banco de dados com magens a magem desenhada pelo usuáro estará entre as 200 prmeras. Porém como o algortmo é rápdo pode-se utlzar uma busca nteratva ao banco de dados. - Usar alguma espéce de Branch-and-Bound para evtar procura exaustva. - Aplcar uma métrca mas sofstcada (e mas cara) em 1% das magens mas parecdas (Ex : Segmentação Detecção de Arestas Prncpas ). - Aplcar algortmo sobre magens em baxa resolução. Acelera cração/procura no banco de dados
NOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisESPELHOS E LENTES ESPELHOS PLANOS
ESPELHOS E LENTES 1 Embora para os povos prmtvos os espelhos tvessem propredades mágcas, orgem de lendas e crendces que estão presentes até hoje, para a físca são apenas superfíces poldas que produzem
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 maisProbabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o
Leia maisC são matrizes que satisfazem
Eercícos de Álgebra Lnear Prof: José ndré UNIPLI - 9 () Construa as guntes matrzes: a) tal que por a b) tal que < > a a a. () Consdere a rede de telecomuncações com nós e coneões reprentada abao: a) Escreva
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisSistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?
Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda
Leia maisCENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG
1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o
Leia maisY X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)
Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)
Leia maisINTRODUÇÃO SISTEMAS. O que é sistema? O que é um sistema de controle? O aspecto importante de um sistema é a relação entre as entradas e a saída
INTRODUÇÃO O que é sstema? O que é um sstema de controle? SISTEMAS O aspecto mportante de um sstema é a relação entre as entradas e a saída Entrada Usna (a) Saída combustível eletrcdade Sstemas: a) uma
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 mais3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas
PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA DE TRASPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMETO DE EGEHARIA CIVIL ECV DISCIPLIA: TGT41006 FUDAMETOS DE ESTATÍSTICA 3ª AULA: ESTATÍSTICA DESCRITIVA Meddas umércas
Leia maisIntrodução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Leia maisCAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)
PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra
Leia maisIX CONGRESSO BRASILEIRO DE ENGENHARIA E CIÊNCIAS TÉRMICAS. 9th BRAZILIAN CONGRESS OF THERMAL ENGINEERING AND SCIENCES
IX CONGRESSO BRASILEIRO DE ENGENHARIA E CIÊNCIAS TÉRMICAS 9th BRAZILIAN CONGRESS OF THERMAL ENGINEERING AND SCIENCES Paper CIT02-0026 METODOLOGIA PARA CORRELAÇÃO DE DADOS CINÉTICOS ENTRE AS TÉCNICAS DE
Leia mais01. Em porcentagem das emissões totais de gases do efeito estufa, o Brasil é o quarto maior poluidor, conforme a tabela abaixo:
PROCESSO SELETIVO 7 RESOLUÇÃO MATEMÁTICA Rosane Soares Morera Vana, Luz Cláudo Perera, Lucy Tem Takahash, Olímpo Hrosh Myagak QUESTÕES OBJETIVAS Em porcentagem das emssões totas de gases do efeto estufa,
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia maisMÉTODOS MULTIVARIADOS. Rodrigo A. Scarpel
MÉTODOS MULTIVARIADOS Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo INTRODUÇÃO Semana Conteúdo Introdução aos métodos multvarados 1 Análse de componentes prncpas Aplcações de análse de componentes
Leia maisEstatística stica Descritiva
AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas
Leia maisCapítulo 1. O plano complexo. 1.1. Introdução. Os números complexos começaram por ser introduzidos para dar sentido à 2
Capítulo O plano compleo Introdução Os números compleos começaram por ser ntrodudos para dar sentdo à resolução de equações polnomas do tpo Como os quadrados de números reas são sempre maores ou guas a
Leia maisParte 1: Exercícios Teóricos
Cálculo Numérco SME0300 ICMC-USP Lsta 2: Sstemas Lneares Métodos Dretos Professora: Cyntha de O. Lage Ferrera Parte 1: Exercícos Teórcos 1. Consdere o sstema Ax = b, onde 1 α 3 α 1 4 ; x = 5 2 1 Para que
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 maisCovariância e Correlação Linear
TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento
Leia mais7. Resolução Numérica de Equações Diferenciais Ordinárias
7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem
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 maisProblemas Associados a Cones de Segunda Ordem
Problemas Assocados a Cones de Segunda Ordem Dense S. Trevsol, Mara A. D. Ehrhardt, Insttuto de Matemátca, Estatístca e Computação Centífca, IMECC, UNICAMP, 1383-859, Campnas, SP E-mal: ra8477@me.uncamp.br,
Leia maisRICOS? POBRES? UMA ANÁLISE DA POLARIZAÇÃO DA RENDA PARA O CASO BRASILEIRO
RICOS? POBRES? UMA ANÁLISE DA POLARIZAÇÃO DA RENDA PARA O CASO BRASILEIRO 1. Introdução Suel Aparecda Correa e Castro UEM Luz Gulherme Scorzafave FEA-RP/USP Na década de 80, dversos trabalhos analsaram
Leia maisCAPÍTULO 1 Exercícios Propostos
CAPÍTULO 1 Exercícos Propostos Atenção: Na resolução dos exercícos consderar, salvo menção em contráro, ano comercal de das. 1. Qual é a taxa anual de juros smples obtda em uma aplcação de $1.0 que produz,
Leia maisRegressão e Correlação Linear
Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,
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 mais2 Máquinas de Vetor Suporte 2.1. Introdução
Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de
Leia maisPLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS
PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS L. G. Olvera, J. K. S. Negreros, S. P. Nascmento, J. A. Cavalcante, N. A. Costa Unversdade Federal da Paraíba,
Leia maisPARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.
EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve
Leia maisElaboração: Fevereiro/2008
Elaboração: Feverero/2008 Últma atualzação: 19/02/2008 E ste Caderno de Fórmulas tem por objetvo esclarecer aos usuáros a metodologa de cálculo e os crtéros de precsão utlzados na atualzação das Letras
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 maisAs tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.
1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação
Leia maisFísica. Física Módulo 1 Vetores, escalares e movimento em 2-D
Físca Módulo 1 Vetores, escalares e movmento em 2-D Vetores, Escalares... O que são? Para que servem? Por que aprender? Escalar Defnção: Escalar Grandea sem dreção assocada. Eemplos: Massa de uma bola,
Leia maisANÁLISE COMPARATIVA DA PRODUTIVIDADE SETORIAL DO TRABALHO ENTRE OS ESTADOS BRASILEIROS: DECOMPOSIÇÕES USANDO O MÉTODO ESTRUTURAL- DIFERENCIAL,
ANÁLISE COMPARATIVA DA PRODUTIVIDADE SETORIAL DO TRABALHO ENTRE OS ESTADOS BRASILEIROS: DECOMPOSIÇÕES USANDO O MÉTODO ESTRUTURAL- DIFERENCIAL, 1980/2000 2 1. INTRODUÇÃO 2 2. METODOLOGIA 3 3. ANÁLISE COMPARATIVA
Leia maisO Método de Redes Neurais com Função de Ativação de Base Radial para Classificação em Data Mining
O Método de Redes Neuras com Função de Atvação de Base Radal para Classfcação em Data Mnng Ana Paula Scott 1, Mersandra Côrtes de Matos 2, Prscyla Walesa T. A. Smões 2 1 Acadêmco do Curso de Cênca da Computação
Leia maisAGRUPAMENTO DE CLIENTES COM BASE NA FICHA DE ANAMNESE ODONTOLÓGICA: UMA APLICAÇÃO DA ART2.
AGRUPAMENTO DE CLIENTES COM BASE NA FICHA DE ANAMNESE ODONTOLÓGICA: UMA APLICAÇÃO DA ART2. andrey soares Unversdade Federal de Santa Catarna UFSC Campus Unverstáro Trndade Floranópols, SC 88040-900 andrey@nf.ufsc.br
Leia maisDECOMPOSIÇÃO HIERÁRQUICA DA DESIGUALDADE DE RENDA BRASILEIRA 1
DECOMPOSIÇÃO HIERÁRQUICA DA DESIGUALDADE DE RENDA BRASILEIRA 1 ópco: Dspardades regonas - estudos comparados de desenvolvmento e gestão terrtoral Márco Antôno Salvato 2 Paola Fara Lucas de Souza 3 Resumo:
Leia mais(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se:
1 RELATÓRIO - MODIFICAÇÃO DA CONDIÇÃO DE CONTORNO DE ENTRADA: MODELOS PARCIALMENTE CATALÍTICO E NÃO CATALÍTICO PARA ESCOAMENTOS COM TAXA FINITA DE REAÇÃO 1. Condções de contorno Em escoamentos reatvos,
Leia maisSinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS.
Snas Lumnosos 1-Os prmeros snas lumnosos Os snas lumnosos em cruzamentos surgem pela prmera vez em Londres (Westmnster), no ano de 1868, com um comando manual e com os semáforos a funconarem a gás. Só
Leia maisControle Estatístico de Qualidade. Capítulo 8 (montgomery)
Controle Estatístco de Qualdade Capítulo 8 (montgomery) Gráfco CUSUM e da Méda Móvel Exponencalmente Ponderada Introdução Cartas de Controle Shewhart Usa apenas a nformação contda no últmo ponto plotado
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
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 métodos
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisUniversidade Federal do Rio Grande do Norte Centro de Tecnologia Programa de Pós-Graduação em Engenharia Elétrica e de Computação
Unversdade Federal do Ro Grande do Norte Centro de Tecnologa Programa de Pós-Graduação em Engenhara Elétrca e de Computação IDENTIFICAÇÃO NÃO LINEAR USANDO UMA REDE FUZZY WAVELET NEURAL NETWORK MODIFICADA
Leia maisRastreando Algoritmos
Rastreando lgortmos José ugusto aranauskas epartamento de Físca e Matemátca FFCLRP-USP Sala loco P Fone () - Uma vez desenvolvdo um algortmo, como saber se ele faz o que se supõe que faça? esta aula veremos
Leia maisApostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna
Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisLista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M.
Lsta de Exercícos de Recuperação do Bmestre Instruções geras: Resolver os exercícos à caneta e em folha de papel almaço ou monobloco (folha de fcháro). Copar os enuncados das questões. Entregar a lsta
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 maisMedidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.
Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas
Leia maisMatemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t
Matemátca 0 Dos veículos, A e B, partem de um ponto de uma estrada, em sentdos opostos e com velocdades constantes de 50km/h e 70km/h, respectvamente Após uma hora, o veículo B retorna e, medatamente,
Leia maisEconomia Industrial. Prof. Marcelo Matos. Aula 7
Economa Industral Prof. Marcelo Matos Aula 7 Concentração de Mercado Resende e Boff [cap 5 de K&H, 2013]; Ferguson e Ferguson cap.3; Meddas de Concentração: característcas Possbldade de classfcar meddas
Leia maisProfessor Mauricio Lutz CORRELAÇÃO
Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,
Leia maisDeterminação da Correspondência entre Objectos utilizando Modelação Física
Determnação da Correspondênca entre Objectos utlzando Modelação Físca João Manuel R. S. avares J. Barbosa A. Jorge Padlha FEUP - Faculdade de Engenhara da Unversdade do Porto INEB - Insttuto de Engenhara
Leia maisESTUDO COMPARATIVO DE ALGORITMOS PARA RECONHECIMENTO FACIAL
EUDO COMPARAIVO DE AGORIMO PARA RECONHECIMENO FACIA Astract Crstane Knuta, crstane_knuta@yahoo.com.r Denns Molna, dennsmolna00@yahoo.com.r Erc Govan Dorneles, ercgovan@g.com.r Fao meão Grecch, faogrecch@g.com.r
Leia maisSuporte Básico para Sistemas de Tempo Real
Suporte Básco para Sstemas de Tempo Real Escalonamento e Comuncação Sldes elaborados por George Lma, com atualzações realzadas por Ramundo Macêdo Suporte Básco para Sstemas de Tempo-Real Escalonamento
Leia maisUniversidade Estadual de Ponta Grossa/Departamento de Economia/Ponta Grossa, PR. Palavras-chave: CAPM, Otimização de carteiras, ações.
A CONSTRUÇÃO DE CARTEIRAS EFICIENTES POR INTERMÉDIO DO CAPM NO MERCADO ACIONÁRIO BRASILEIRO: UM ESTUDO DE CASO PARA O PERÍODO 006-010 Rodrgo Augusto Vera (PROVIC/UEPG), Emerson Martns Hlgemberg (Orentador),
Leia maisUM ALGORITMO EXATO PARA A OTIMIZAÇÃO DE CARTEIRAS DE INVESTIMENTO COM RESTRIÇÕES DE CARDINALIDADE
UM ALGORITMO EXATO PARA A OTIMIZAÇÃO DE CARTEIRAS DE INVESTIMENTO COM RESTRIÇÕES DE CARDINALIDADE Dssertação de mestrado em matemátca aplcada fnancada pelo CNPq IMECC - UNICAMP Pedro Ferraz Vllela Prof.
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisEstimativa da fração da vegetação a partir de dados AVHRR/NOAA
Estmatva da fração da vegetação a partr de dados AVHRR/NOAA Fabane Regna Cunha Dantas 1, Céla Campos Braga, Soetâna Santos de Olvera 1, Tacana Lma Araújo 1 1 Doutoranda em Meteorologa pela Unversdade Federal
Leia mais1. Conceitos básicos de estatística descritiva. A ciência descobre relações de causa efeito entre fenómenos. Há fenómenos que são muito complexos
2 Matemátca Fnancera e Instrumentos de Gestão Sumáro 1. Concetos báscos de estatístca descrtva 1.1. 2ª Aula 1.2. 1.2.1. Frequênca relatva 1.2.2. Frequênca relatva acumulada 3 4 A cênca descobre relações
Leia maisCAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA
PMR - Mecânca Computaconal para Mecatrônca CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA O problema de derencação numérca aparentemente é semelante ao de ntegração numérca ou seja obtendo-se um polnômo nterpolador
Leia maisMarcus Rodrigo Carvalho
Marcus Rodrgo Carvalho ESTUDO COMPARATIVO DE FLUXO DE POTÊNCIA PARA SISTEMAS DE DISTRIBUIÇÃO RADIAL Dssertação apresentada à Escola de Engenhara de São Carlos, da Unversdade de São Paulo, como parte dos
Leia mais3.1. Conceitos de força e massa
CAPÍTULO 3 Les de Newton 3.1. Concetos de força e massa Uma força representa a acção de um corpo sobre outro,.e. a nteracção físca entre dos corpos. Como grandeza vectoral que é, só fca caracterzada pelo
Leia maisFaculdade de Ciências e Tecnologia. Programa de Pós-Graduação em Ciências Cartográficas JAQUELINE VICENTE
unesp UNIVERSIDADE ESTADUAL PAULISTA Faculdade de Cêncas e Tecnologa Programa de Pós-Graduação em Cêncas Cartográfcas JAQUELINE VICENTE ESTUDO COMPARATIVO DE MÉTODOS GEOESTATÍSTICOS APLICADOS EM AGRICULTURA
Leia maisIV - Descrição e Apresentação dos Dados. Prof. Herondino
IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser
Leia mais3. CIRCUITOS COM AMPOP S UTILIZADOS NOS SAPS
3 CICUITOS COM AMPOP S UTILIZADOS NOS SAPS 3. CICUITOS COM AMPOP S UTILIZADOS NOS SAPS - 3. - 3. Introdução Numa prmera fase, apresenta-se os crcutos somadores e subtractores utlzados nos blocos de entrada
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 mais1 Princípios da entropia e da energia
1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção
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 maisMAP Cálculo Numérico e Aplicações
MAP0151 - Cálculo Numérco e Aplcações Lsta 5 (Correção Neste ponto, todos já sabemos que todas as questões têm o mesmo valor, totalzando 10.0 pontos. (Questão 1 Fque com vontade de fazer mas do que fo
Leia mais8.16. Experimentos Fatoriais e o Fatorial Fracionado
8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e
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 maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada
Leia maisRedes Neurais Artificiais Aplicadas no Monitoramento da Condição de Ferramentas de Corte Utilizando Algoritmo de Extração das Características SFS
Proceedngs of the IV Brazlan Conference on Neural Networs - IV Congresso Braslero de Redes Neuras pp. 292-297, July 20-22, 999 - ITA, São José dos Campos - SP - Brazl Redes Neuras Artfcas Aplcadas no Montoramento
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 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 maisProf. Lorí Viali, Dr.
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. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia maisCurvas Horizontais e Verticais
Insttução: Faculdade de Tecnologa e Cêncas Professor: Dego Queroz de Sousa Dscplna: Topografa Curvas Horzontas e ertcas 1. Introdução Exstem dversas ocasões na engenhara em que os projetos são desenvolvs
Leia maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES
O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu
Leia maisHOMOTETIAS, COMPOSIÇÃO DE HOMOTETIAS E O PROBLEMA 6 DA IMO 2008 Carlos Yuzo Shine Nível Avançado
HMTETIS, MPSIÇÃ DE HMTETIS E PREM 6 D IM 008 arlos Yuzo Shne Nível vançado ntes de começar a dscussão, vamos enuncar o problema 6 da IM 008, que é a motvação prncpal desse artgo. Problema 6, IM 008. Seja
Leia maisAvaliação da Recuperação em Sistemas de RBC Estrutural e Textual: Uma Aplicação no Domínio de Help Desk
Avalação da Recuperação em Sstemas de RBC Estrutural e Textual: Uma Aplcação no Domíno de Help Desk Fábo Pessôa de Sá, Marta Costa Rosatell, Eduardo Raul Hruschka Programa de Mestrado em Informátca Unversdade
Leia maisResumo de Álgebra Linear - parte II
Aula 7 Resumo de Álge Lnear - parte II 7.1 Resumo Nesta aula contnuamos desenvolvendo concetos báscos de álge lnear, aprmorando a famlardade com a notação de Drac. Bblograa: Moysés, 8.7 (em parte), e Cohen-Tannoudj,
Leia maisElaboração: Novembro/2005
Elaboração: Novembro/2005 Últma atualzação: 18/07/2011 Apresentação E ste Caderno de Fórmulas tem por objetvo nformar aos usuáros a metodologa e os crtéros de precsão dos cálculos referentes às Cédulas
Leia maisIII. Consequências de um novo padrão de inserção das mulheres no mercado de trabalho sobre o bem-estar na região metropolitana de São Paulo
CEPAL - SERIE Polítcas socales N 60 III. Consequêncas de um novo padrão de nserção das mulheres no mercado de trabalho sobre o bem-estar na regão metropoltana de São Paulo A. Introdução Rcardo Paes de
Leia maisMetodologia IHFA - Índice de Hedge Funds ANBIMA
Metodologa IHFA - Índce de Hedge Funds ANBIMA Versão Abrl 2011 Metodologa IHFA Índce de Hedge Funds ANBIMA 1. O Que é o IHFA Índce de Hedge Funds ANBIMA? O IHFA é um índce representatvo da ndústra de hedge
Leia maisXX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA NOVO MODELO PARA O CÁLCULO DE CARREGAMENTO DINÂMICO DE TRANSFORMADORES
XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 22 a 25 Novembro de 2009 Recfe - PE GRUPO XIII GRUPO DE ESTUDO DE TRANSFORMADORES, REATORES, MATERIAIS E TECNOLOGIAS
Leia mais3ULQFtSLRVGDGLIUDomRGHUDLRV;
6 ',)5$d '(5$,6;(0e7''(5,(79(/' Nas seções seguntes são apresentados os prncípos da dfração de raos X e do método de Retveld necessáros ao entendmento desta tese. A teora da dfração pode ser consultada
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 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 maisSoftware para Furação e Rebitagem de Fuselagem de Aeronaves
Anas do 14 O Encontro de Incação Centífca e Pós-Graduação do ITA XIV ENCITA / 2008 Insttuto Tecnológco de Aeronáutca São José dos Campos SP Brasl Outubro 20 a 23 2008. Software para Furação e Rebtagem
Leia maisMAE5778 - Teoria da Resposta ao Item
MAE5778 - Teora da Resposta ao Item Fernando Henrque Ferraz Perera da Rosa Robson Lunard 1 de feverero de 2005 Lsta 2 1. Na Tabela 1 estão apresentados os parâmetros de 6 tens, na escala (0,1). a b c 1
Leia mais1. Introdução 2. Misturas Gaussianas
Ajuste de Msturas Gaussanas utlzando Algortmo de Maxmzação da Esperança e Crtéro de Comprmento de Descrção Mínmo para Modelagem de Tráfego VoIP Chela Mendes de Olvera Escola de Engenhara Elétrca e de Computação
Leia maisClusterização ou Agrupamento de Dados
Resumo da Aula Clusterzação ou Agrupamento de Dados Stanley R. M. Olvera Clusterzação ou análse de agrupamentos: Concetos báscos e aplcações. Tpos de dados em clusterzação. Avalando a qualdade de clusters
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia mais