Página 1 dos resultados de 1190 itens digitais encontrados em 0.018 segundos

A new classification of foods based on the extent and purpose of their processing; Uma nova classificação de alimentos baseada na extensão e propósito do seu processamento

MONTEIRO, Carlos Augusto; LEVY, Renata Bertazzi; CLARO, Rafael Moreira; CASTRO, Inês Rugani Ribeiro de; CANNON, Geoffrey
Fonte: Escola Nacional de Saúde Pública Sergio Arouca, Fundação Oswaldo Cruz Publicador: Escola Nacional de Saúde Pública Sergio Arouca, Fundação Oswaldo Cruz
Tipo: Artigo de Revista Científica
Português
Relevância na Pesquisa
85.82%
This paper describes a new food classification which assigns foodstuffs according to the extent and purpose of the industrial processing applied to them. Three main groups are defined: unprocessed or minimally processed foods (group 1), processed culinary and food industry ingredients (group 2), and ultra-processed food products (group 3). The use of this classification is illustrated by applying it to data collected in the Brazilian Household Budget Survey which was conducted in 2002/2003 through a probabilistic sample of 48,470 Brazilian households. The average daily food availability was 1,792 kcal/person being 42.5% from group 1 (mostly rice and beans and meat and milk), 37.5% from group 2 (mostly vegetable oils, sugar, and flours), and 20% from group 3 (mostly breads, biscuits, sweets, soft drinks, and sausages). The share of group 3 foods increased with income, and represented almost one third of all calories in higher income households. The impact of the replacement of group 1 foods and group 2 ingredients by group 3 products on the overall quality of the diet, eating patterns and health is discussed.; Este artigo descreve uma nova classificação de alimentos baseada na extensão e propósito do processamento industrial usado na sua produção. Três grupos são definidos: alimentos não processados ou minimamente processados (grupo 1)...

Uma nova classificação de alimentos baseada na extensão e propósito do seu processamento; A new classification of foods based on the extent and purpose of their processing

MONTEIRO, Carlos Augusto; LEVY, Renata Bertazzi; CLARO, Rafael Moreira; CASTRO, Inês Rugani Ribeiro de; CANNON, Geoffrey
Fonte: Rio de Janeiro Publicador: Rio de Janeiro
Tipo: Artigo de Revista Científica
Português
Relevância na Pesquisa
85.88%
Este artigo descreve uma nova classificação de alimentos baseada na extensão e propósito do processamento industrial usado na sua produção. Três grupos são definidos: alimentos não processados ou minimamente processados (grupo 1), alimentos processados utilizados como ingredientes de preparações culinárias ou pela indústria de alimentos (grupo 2), e produtos alimentícios ultra-processados (grupo 3). O uso da classificação é ilustrado aplicando-a a dados coletados por Pesquisa de Orçamentos Familiares conduzida em 2002/2003 em uma amostra probabilística de 48.470 domicílios brasileiros. A disponibilidade diária foi de 1.792kcal/capita, sendo 42,5por cento de alimentos do grupo 1, 37,5por cento do grupo 2 e 20por cento do grupo 3. A contribuição do grupo 3 aumentou com a renda familiar, correspondendo a um terço do total calórico nos domicílios mais afluentes. Discute-se o impacto sobre a qualidade geral da dieta, padrões de alimentação e condições de saúde que poderia ocorrer com a substituição de alimentos do grupo 1 e ingredientes do grupo 2 por produtos alimentícios do grupo 3; This paper describes a new food classification which assigns foodstuffs according to the extent and purpose of the industrial processing applied to them. Three main groups are defined: unprocessed or minimally processed foods (group 1)...

Processamento de sinais de ressonância magnética nuclear usando classificador neural para reconhecimento de carne bovina; Signal processing of nuclear magnetic resonance using neural classification for bovine meat recognition

Silva, Cíntia Beatriz de Souza
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 28/08/2007 Português
Relevância na Pesquisa
85.87%
Garantir a qualidade da carne bovina produzida no Brasil tem sido uma preocupação dos produtores, pois contribui para aumentar a exportação e o consumo interno do produto. Por isso, tem-se pesquisado novos métodos que analisam e garantam a qualidade da carne, de forma rápida, eficiente e não destrutiva. A ressonância magnética nuclear (RMN) tem se destacado como uma das técnicas de controle de qualidade de carne. Neste trabalho as redes neurais artificiais estão sendo utilizadas para o reconhecimento de padrões dos dados de ressonância magnética nuclear oriundos de carne bovina. Mais especificamente, os respectivos dados têm sido utilizados por uma rede perceptron multicamadas para a extração de características da carne bovina, possibilitando a classificação do grupo genético e do sexo dos animais a partir de uma amostra da referida carne. Os resultados dos experimentos são também apresentados para ilustrar o desempenho da abordagem proposta.; Guaranteeing the quality of the bovine meat produced in Brazil has been a concern of the producers because it contributes to increase the export and the domestic consumption of the product. Therefore, new methods have been researched that analyze and guarantee the quality of the meat in a fast...

Aplicação de mapas auto-organizáveis na classificação de aberrações cromossômicas utilizando imagens de cromossomos humanos submetidos à radiação ionizante; Application of self-organizing maps for the classification of chromosomal aberrations using images of human chromosomes subjected to ionizing radiation

Cunha, Kelly de Paula
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 15/04/2015 Português
Relevância na Pesquisa
85.77%
O presente trabalho é resultado da colaboração de pesquisadores do Centro de Engenharia Nuclear (CEN) e de pesquisadores do Centro de Biotecnologia (CB), ambos pertencentes ao IPEN, para o desenvolvimento de uma metodologia que visa auxiliar os profissionais citogeneticistas fornecendo uma ferramenta que automatize parte da rotina necessária para a avaliação qualitativa e quantitativa de danos biológicos em termos de aberração cromossômica. A técnica citogenética, sobre a qual esta ferramenta é desenvolvida, é a técnica de aberrações cromossômicas. Nela, são realizadas preparações citológicas de linfócitos de sangue periférico para que metáfases sejam analisadas e fotografadas ao microscópio e, com base na morfologia dos cromossomos, anomalias sejam investigadas. Quando esta tarefa é realizada manualmente, os cromossomos são analisados visualmente um a um pelo profissional citogeneticista, logo, trata-se de um processo minucioso em virtude da variação geral na aparência do cromossomo, do seu tamanho pequeno e do grande número de cromossomos por célula. Para um diagnóstico confiável, é necessário que várias células sejam analisadas, tornando-se uma tarefa repetitiva e demorada. Neste contexto, foi proposto o uso dos mapas auto-organizáveis para o reconhecimento automático de padrões morfológicos referentes às imagens de cromossomos humanos. Para isso...

Aplicação de redes neurais na classificação de rentabilidade futura de empresas

Matsumoto, Élia Yathie
Fonte: Fundação Getúlio Vargas Publicador: Fundação Getúlio Vargas
Tipo: Dissertação
Português
Relevância na Pesquisa
85.86%
Este trabalho tem por motivação evidenciar a eficiência de redes neurais na classificação de rentabilidade futura de empresas, e desta forma, prover suporte para o desenvolvimento de sistemas de apoio a tomada de decisão de investimentos. Para serem comparados com o modelo de redes neurais, foram escolhidos o modelo clássico de regressão linear múltipla, como referência mínima, e o de regressão logística ordenada, como marca comparativa de desempenho (benchmark). Neste texto, extraímos dados financeiros e contábeis das 1000 melhores empresas listadas, anualmente, entre 1996 e 2006, na publicação Melhores e Maiores – Exame (Editora Abril). Os três modelos foram construídos tendo como base as informações das empresas entre 1996 e 2005. Dadas as informações de 2005 para estimar a classificação das empresas em 2006, os resultados dos três modelos foram comparados com as classificações observadas em 2006, e o modelo de redes neurais gerou o melhor resultado.

Detecção e classificação de faltas a partir da análise de registros oscilográficos via redes neurais artificiais e transformada wavelet

Melo e Silva,Kleber; Souza,Benemar Alencar de; Brito,Núbia Silva Dantas; Dantas,Karcius Marcelus Colaço; Costa,Flávio Bezerra; Silva,Sandra Sayonara Bispo da
Fonte: Sociedade Brasileira de Automática Publicador: Sociedade Brasileira de Automática
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/06/2007 Português
Relevância na Pesquisa
85.82%
Este artigo apresenta um método de detecção e classificação de faltas em linhas de transmissão, a partir da análise de registros oscilográficos via redes neurais artificiais e transformada wavelet. Realiza-se a detecção da falta e a determinação de sua duração através de um conjunto de regras heurísticas construídas a partir da análise dos sinais de corrente nos domínios do tempo e wavelet. O método diferencia faltas de outras ocorrências relacionadas à qualidade da energia elétrica, tais como afundamentos de tensão e transitórios de chaveamento. Uma rede neural classifica faltas a partir do reconhecimento dos padrões das tensões e correntes relacionados a cada tipo específico. O método proposto foi avaliado para registros simulados e reais em linhas de transmissão do sistema Chesf, apresentando bons resultados em ambos os casos.

Comparação de arquiteturas de redes neurais para sistemas de reconheceimento de padrões em narizes artificiais

Araújo Ferreira, Aida; Bernarda Ludermir, Teresa (Orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
Português
Relevância na Pesquisa
76.15%
Um nariz artificial é um sistema modular composto de duas partes principais: um sistema sensor, formado de elementos que detectam odores e um sistema de reconhecimento de padrões que classifica os odores detectados. Redes neurais artificiais têm sido utilizadas como sistema de reconhecimento de padrões para narizes artificiais e vêm apresentando resultados promissores. Desde os anos 80, pesquisas para criação de narizes artificiais, que permitam detectar e classificar odores, vapores e gases automaticamente, têm tido avanços significativos. Esses equipamentos podem ser utilizados no monitoramento ambiental para controlar a qualidade do ar, na área de saúde para realizar diagnóstico de doenças e nas indústrias de alimentos para o controle de qualidade e o monitoramento de processos de produção. Esta dissertação investiga a utilização de quatro técnicas diferentes de redes neurais para criação de sistemas de reconhecimento de padrões em narizes artificiais. O trabalho está dividido em quatro partes principais: (1) introdução aos narizes artificiais, (2) redes neurais artificiais para sistema de reconhecimento de padrões, (3) métodos para medir o desempenho de sistemas de reconhecimento de padrões e comparar os resultados e (4) estudo de caso. Os dados utilizados para o estudo de caso...

Sistema neural híbrido para reconhecimento de padrões em um nariz artificial

Zanchettin, Cleber
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Outros
Português
Relevância na Pesquisa
86.05%
Esta dissertação investiga a utilização de Sistemas Híbridos Inteligentes no sistema de reconhecimento de padrões de um nariz artificial. O trabalho envolve cinco partes principais: (1) avaliação da base de dados de odores a partir de uma técnica estatística multivariada; (2) validação das Redes Neurais com Atrasos no Tempo no reconhecimento de odores; (3) avaliação da Transformada de Wavelets como método de pré-processamento de sinais de odores em abordagens conexionistas; (4) avaliação de abordagens híbridas inteligentes para o reconhecimento de odores em narizes artificiais; e (5) o estudo de caso. Duas arquiteturas híbridas inteligentes foram investigadas em detalhes: a rede neuro-difusa Feature-weighted Detector, que permite a classificação de padrões, seleção dos atributos mais importantes e extração de regras explicativas da rede; e a rede neuro-difusa Evolving Fuzzy Neural Networks, que possibilita o aprendizado on-line e incremental, além da inserção, extração e agregação de conhecimento em sua arquitetura evolutiva. Foram analisados sinais gerados por um nariz artificial, composto por um conjunto de oito sensores de polímeros condutores, exposto a gases derivados do petróleo. A utilização da Transformada de Wavelet melhorou consideravelmente o desempenho dos classificadores conexionistas. Nos experimentos realizados...

Redes neurais com extração implícita de características para reconhecimento de padrões visuais

Fernandes, Bruno José Torres; Cavalcanti, George Darmiton da Cunha (orientador); Ren, Tsang Ing (co-orientador)
Fonte: Universidade Federal de Pernambuco Publicador: Universidade Federal de Pernambuco
Tipo: Tese de Doutorado
Português
Relevância na Pesquisa
85.89%
O desenvolvimento de modelos baseados em teorias sobre a estrutura do cérebro humano tem se mostrado como uma importante ferramenta para a inspiração de novas abordagens para problemas de reconhecimento de padrões visuais. Apesar do cérebro humano não ser completamente entendido, ele já inspirou vários mecanismos utilizados em tarefas de reconhecimento de padrões, como as redes neurais artificiais (RNAs). Os conceitos de campos receptivos e inibitórios e de memória autoassociativa são derivados de estudos do cérebro e vêm sendo empregados na criação de novos classificadores. Os campos receptivos são utilizados para melhor analisar texturas e para detectar contornos em vários modelos que têm suas arquiteturas projetadas para receber os dados de entrada na sua forma bruta e extrair suas características. Esse processo é chamado de extração implícita de características. O uso de campos inibitórios trouxe melhorias às RNAs, tornando-as mais estáveis e eficazes. Por outro lado, classificadores autoassociativos são modelos desenvolvidos para aprender as características relacionadas somente aos padrões de uma mesma classe. Esses classificadores decidem se um padrão é conhecido a partir de fronteiras de decisão fechadas no espaço de entrada. Este trabalho propõe três RNAs inspiradas nos conceitos de campos receptivos e inibitórios e de memória autoassociativa. As RNAs propostas apresentam uma arquitetura piramidal que fazem uso dos conceitos de campos receptivos e que integram as etapas de extração de características e de classificação de padrões visuais. A primeira RNA proposta é a Lateral Inhibition Pyramidal Neural Network (LIPNet) que utiliza o conceito de campos inibitórios e é aplicada em problemas com duas classes. A LIPNet é avaliada em experimentos de detecção de faces com o banco MIT CBCL e de detecção de floresta em imagens de satélite. A segunda RNA proposta é a AutoAssociative Pyramidal Neural Network (AAPNet) que utiliza o conceito de memória autoassociativa para aprendizagem de uma classe sem exemplos negativos. A AAPNet é avaliada numa tarefa de categorização de objetos com o banco Caltech-101. A última RNA proposta é a Lateral Inhibition Constructive Autoassociative Neural Network (LICANet) que realiza a aprendizagem autoassociativa através de um algoritmo construtivo que ajusta a arquitetura do modelo durante o treinamento. A LICANet é avaliada em experimentos de reconhecimento de expressão facial com a base JAFFE. Finalmente...

Sistemas multiagentes inteligentes para reconhecimento e classificação de padrões aplicados em problemas de sistemas elétricos de potência

Souza, Wyrllen Everson de
Fonte: Universidade Federal do Paraná Publicador: Universidade Federal do Paraná
Tipo: Tese de Doutorado Formato: application/pdf
Português
Relevância na Pesquisa
86.2%
Resumo: O presente trabalho tem por finalidade apresentar a proposta de uma arquitetura de Sistema Multiagentes (SMA) para o Reconhecimento e Classificação de Padrões aplicados em problemas de Engenharia de Potência. A arquitetura proposta está centrada na integração de agentes inteligentes capaz de gerenciar métodos de Reconhecimento e Classificação de Padrões. Para criação do Sistema Multiagentes para Reconhecimento e Classificação de Padrões foram definidos dois agentes independentes, capazes de melhorar o Reconhecimento e Classificação de Padrões individualmente, sendo que a interação destes dois agentes ao sistema possibilite uma melhora no processo global. O Agente Minerador de dados foi responsável pela filtragem dos dados e aplicação da Análise Fatorial como uma técnica de pré-processamento de informação. O Agente Decisor utiliza uma Lógica Nebulosa com o intuito de ponderar a classificação feita pelos Agentes Especialistas. Cada Agente Especialista é responsável por gerenciar uma técnica de Reconhecimento e Classificação de Padrões, obtendo assim as regras de classificação de uma nova informação, bem como a Taxa Real de Acerto que é obtida pelo método de Lachenbruch (leave-one-out). Para validar a eficácia de cada Agente Inteligente e do Sistema Multiagentes de Reconhecimento e Classificação de Padrões...

Classificação de imagens de ambientes coralinos: uma abordagem empregando uma combinação de classificadores e máquina de vetor de suporte

Henriques, Antônio de Pádua de Miranda
Fonte: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações Publicador: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações
Tipo: Tese de Doutorado Formato: application/pdf
Português
Relevância na Pesquisa
85.92%
The use of the maps obtained from remote sensing orbital images submitted to digital processing became fundamental to optimize conservation and monitoring actions of the coral reefs. However, the accuracy reached in the mapping of submerged areas is limited by variation of the water column that degrades the signal received by the orbital sensor and introduces errors in the final result of the classification. The limited capacity of the traditional methods based on conventional statistical techniques to solve the problems related to the inter-classes took the search of alternative strategies in the area of the Computational Intelligence. In this work an ensemble classifiers was built based on the combination of Support Vector Machines and Minimum Distance Classifier with the objective of classifying remotely sensed images of coral reefs ecosystem. The system is composed by three stages, through which the progressive refinement of the classification process happens. The patterns that received an ambiguous classification in a certain stage of the process were revalued in the subsequent stage. The prediction non ambiguous for all the data happened through the reduction or elimination of the false positive. The images were classified into five bottom-types: deep water; under-water corals; inter-tidal corals; algal and sandy bottom. The highest overall accuracy (89%) was obtained from SVM with polynomial kernel. The accuracy of the classified image was compared through the use of error matrix to the results obtained by the application of other classification methods based on a single classifier (neural network and the k-means algorithm). In the final...

Classificação de padrões através de um comitê de máquinas aprimorado por aprendizagem por reforço

Lima, Naiyan Hari Cândido
Fonte: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações Publicador: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações
Tipo: Dissertação Formato: application/pdf
Português
Relevância na Pesquisa
116.05%
Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern classification problems. It is well documented in the literature the problems that support vector machine ensembles face in terms of generalization capacity. Algorithms such as Adaboost do not deal appropriately with the imbalances that arise in those situations. Several alternatives have been proposed, with varying degrees of success. This dissertation presents a new approach to building committees of support vector machines. The presented algorithm combines Adaboost algorithm with a layer of reinforcement learning to adjust committee parameters in order to avoid that imbalances on the committee components affect the generalization performance of the final hypothesis. Comparisons were made with ensembles using and not using the reinforcement learning layer, testing benchmark data sets widely known in area of pattern classification; A aprendizagem por reforço é uma técnica de aprendizado de máquina que, embora já tenha encontrado uma grande quantidade de aplicações...

Algoritmos genéticos aplicados a um comitê de LS-SVM em problemas de classificação

Padilha, Carlos Alberto de Araújo
Fonte: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações Publicador: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações
Tipo: Dissertação Formato: application/pdf
Português
Relevância na Pesquisa
106.09%
The pattern classification is one of the machine learning subareas that has the most outstanding. Among the various approaches to solve pattern classification problems, the Support Vector Machines (SVM) receive great emphasis, due to its ease of use and good generalization performance. The Least Squares formulation of SVM (LS-SVM) finds the solution by solving a set of linear equations instead of quadratic programming implemented in SVM. The LS-SVMs provide some free parameters that have to be correctly chosen to achieve satisfactory results in a given task. Despite the LS-SVMs having high performance, lots of tools have been developed to improve them, mainly the development of new classifying methods and the employment of ensembles, in other words, a combination of several classifiers. In this work, our proposal is to use an ensemble and a Genetic Algorithm (GA), search algorithm based on the evolution of species, to enhance the LSSVM classification. In the construction of this ensemble, we use a random selection of attributes of the original problem, which it splits the original problem into smaller ones where each classifier will act. So, we apply a genetic algorithm to find effective values of the LS-SVM parameters and also to find a weight vector...

Otimização em comitês de classificadores: uma abordagem baseada em filtro para seleção de subconjuntos de atributos

Santana, Laura Emmanuella Alves dos Santos
Fonte: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Sistemas e Computação; Ciência da Computação Publicador: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Sistemas e Computação; Ciência da Computação
Tipo: Tese de Doutorado Formato: application/pdf
Português
Relevância na Pesquisa
85.76%
Traditional applications of feature selection in areas such as data mining, machine learning and pattern recognition aim to improve the accuracy and to reduce the computational cost of the model. It is done through the removal of redundant, irrelevant or noisy data, finding a representative subset of data that reduces its dimensionality without loss of performance. With the development of research in ensemble of classifiers and the verification that this type of model has better performance than the individual models, if the base classifiers are diverse, comes a new field of application to the research of feature selection. In this new field, it is desired to find diverse subsets of features for the construction of base classifiers for the ensemble systems. This work proposes an approach that maximizes the diversity of the ensembles by selecting subsets of features using a model independent of the learning algorithm and with low computational cost. This is done using bio-inspired metaheuristics with evaluation filter-based criteria; Conselho Nacional de Desenvolvimento Científico e Tecnológico; A aplicação tradicional da seleção de atributos em diversas áreas como mineração de dados, aprendizado de máquina e reconhecimento de padrões visa melhorar a acurácia dos modelos construídos com a base de dados...

Aplicação de ontologias para métodos de negociação de um sistema multiagente para o reconhecimento de padrões

Bezerra, Valéria Maria Siqueira
Fonte: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Sistemas e Computação; Ciência da Computação Publicador: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Sistemas e Computação; Ciência da Computação
Tipo: Dissertação Formato: application/pdf
Português
Relevância na Pesquisa
85.82%
The use of intelligent agents in multi-classifier systems appeared in order to making the centralized decision process of a multi-classifier system into a distributed, flexible and incremental one. Based on this, the NeurAge (Neural Agents) system (Abreu et al 2004) was proposed. This system has a superior performance to some combination-centered methods (Abreu, Canuto, and Santana 2005). The negotiation is important to the multiagent system performance, but most of negotiations are defined informaly. A way to formalize the negotiation process is using an ontology. In the context of classification tasks, the ontology provides an approach to formalize the concepts and rules that manage the relations between these concepts. This work aims at using ontologies to make a formal description of the negotiation methods of a multi-agent system for classification tasks, more specifically the NeurAge system. Through ontologies, we intend to make the NeurAge system more formal and open, allowing that new agents can be part of such system during the negotiation. In this sense, the NeurAge System will be studied on the basis of its functioning and reaching, mainly, the negotiation methods used by the same ones. After that, some negotiation ontologies found in literature will be studied...

Conversão simbólica de sinais digitais por meio da Teoria de Extremos Relativos

Sousa, Daniel Joaquim de
Fonte: Universidade Federal de Mato Grosso do Sul Publicador: Universidade Federal de Mato Grosso do Sul
Tipo: Dissertação de Mestrado
Português
Relevância na Pesquisa
85.93%
O objetivo deste trabalho é o desenvolvimento de uma nova técnica para conversão simbólica de sinais digitais, denominada Quantização Baseada em Extremos Relativos (QBER). Esta técnica pode converter sinais digitais unidimensionais em cadeias. A técnica QBER, formalizada nesta proposta, utiliza-se da Teoria de Extremos Relativos (TER) e de funções de similaridade para sinais, como a métrica Distância de Edição com Penalidade Real (Edit Distance with Real Penalty) (ERP). Além disso, utiliza o algoritmo de clusterização PAM-SLIM, que emprega a abordagem k-medianas, amplamente discutida na literatura. A TER é também uma contribuição deste trabalho, extendendo a Teoria dos Extremos Importantes (TEI) com o acréscimo dos conceitos prevalência, monte, Representação Baseada em Extremos Relativos (RBER) e RBERQ. Para se avaliar a utilidade da QBER desenvolveu-se um sistema de classificação de padrões de referência, baseado no classificador k-Vizinhos mais Próximos (k-Nearest Neighbor) (kNN). Esta implementação de referência possui as fases de pré-processamento e reconhecimento. Na fase de pré-processamento, utiliza-se a QBER para converter os objetos de treinamento do kNN em representações simbólicas. Como o classificador kNN utiliza o aprendizado baseado em instâncias (instance-based learning) a fase de treinamento é inexistente...

Metodologia para classificação de sinais EMG para controle de próteses com baixo esforço computacional; Low computational power methodology for EMG classification for use in prosthesis control

Barros, Kety Rosa de
Fonte: Universidade Federal de Uberlândia Publicador: Universidade Federal de Uberlândia
Tipo: Dissertação
Português
Relevância na Pesquisa
96.02%
Este trabalho descreve o desenvolvimento de um sistema dedicado à análise de sinais emanados de contrações musculares, o sinal eletromiográfico (EMG). Foram realizados o estudo e desenvolvimento de métodos de extração e classificação desses sinais para que fossem reconhecidos por uma prótese de membro superior com quatro graus de liberdade. Para tal, sinais EMG provenientes dos grupos musculares tríceps e bíceps foram classificados em quatro padrões distintos: flexão e extensão de cotovelo, pronação e supinação de punho. A classificação dos padrões foi feita através de uma rede neural artificial recebendo como entrada as características dos sinais eletromiográficos, extraídas através da detecção dos tempos de ativação e cálculo da integral abaixo da envoltória. As análises foram feitas considerando 5 pares de eletrodos, sendo dois sobre o bíceps: na cabeça longa (B1) e cabeça curta (B2) e três sobre o tríceps: na cabeça longa (T1), cabeça curta (T2) e na cabeça medial (T3); e um eletrodo de referência localizado no acrômio. Os experimentos foram efetuados considerando contrações dinâmicas e estáticas. Como a maior parte das técnicas existentes possui algoritmos bastante exigentes computacionalmente...

HQ feature: descritores de forma utilizando a curva de Hilbert

Oliveira, Walter Alexandre Alencar de
Fonte: Universidade Federal de Uberlândia Publicador: Universidade Federal de Uberlândia
Tipo: Dissertação
Português
Relevância na Pesquisa
85.87%
A classificação e recuperação por similaridade baseadas em descritores de formas são processos de grande importância em tarefas de reconhecimento de padrões e recuperação de formas baseada em conteúdo. O desenvolvimento de descritores eficientes para caracterizar a forma ainda é um desafio. Este trabalho se concentra no desenvolvimento de novos extratores para caracterizar formas no espaço 2D e 3D usando curvas de preenchimento de espaço de Hilbert e decomposição da transformada discreta de wavelet. Diversos experimentos são realizados utilizando bases de dados de silhuetas 2D e 3D. Os descritores propostos são invariantes a transformações de translação e alguns experimentos para avaliar a robustez quanto a rotação, a escala, a oclusões, a articulações e a deformações foram realizados e obtiveram excelentes resultados. ______________________________________________________________________________ ABSTRACT; The similarity classification and retrieval based on shape descriptors are processes of great importance in pattern recognition and content-based shape retrieval tasks. The development of efficient shape descriptors is still a challenge. This work focuses on the development of new extractors to characterize shapes in 2D and 3D space using Hilbert space-filling curves and discrete wavelet transform decomposition. Several experiments are conducted using 2D and 3D silhouettes databases. The descriptors proposed are invariant under translation transformations and some experiments to assess the robustness on scale and rotation transformations and on occlusion...

Classificador neural híbrido para imagens obtidas por sensoriamento remoto

Lima, Alexandre Gomes de
Fonte: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações Publicador: Universidade Federal do Rio Grande do Norte; BR; UFRN; Programa de Pós-Graduação em Engenharia Elétrica; Automação e Sistemas; Engenharia de Computação; Telecomunicações
Tipo: Dissertação Formato: application/pdf
Português
Relevância na Pesquisa
85.76%
Remote sensing is one technology of extreme importance, allowing capture of data from the Earth's surface that are used with various purposes, including, environmental monitoring, tracking usage of natural resources, geological prospecting and monitoring of disasters. One of the main applications of remote sensing is the generation of thematic maps and subsequent survey of areas from images generated by orbital or sub-orbital sensors. Pattern classification methods are used in the implementation of computational routines to automate this activity. Artificial neural networks present themselves as viable alternatives to traditional statistical classifiers, mainly for applications whose data show high dimensionality as those from hyperspectral sensors. This work main goal is to develop a classiffier based on neural networks radial basis function and Growing Neural Gas, which presents some advantages over using individual neural networks. The main idea is to use Growing Neural Gas's incremental characteristics to determine the radial basis function network's quantity and choice of centers in order to obtain a highly effective classiffier. To demonstrate the performance of the classiffier three studies case are presented along with the results.; O sensoriamento remoto de uma tecnologia de extrema importância na atualidade...

Novos algoritmos de aprendizado para classificação de padrões utilizando floresta de caminhos ótimos; New learning algorithms for pattern classification using optimum-path forest

César Christian Castelo Fernández
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 11/05/2011 Português
Relevância na Pesquisa
86.02%
O Reconhecimento de Padrões pode ser definido como a capacidade de identificar a classe de algum objeto dentre um dado conjunto de classes, baseando-se na informação fornecida por amostras conhecidas (conjunto de treinamento). Nesta dissertação, o foco de estudo é o paradigma de classificação supervisionada, no qual se conhece a classe de todas as amostras utilizadas para o projeto do classificador. Especificamente, estuda-se o Classificador baseado em Floresta de Caminhos Ótimos (Optimum-Path Forest - OPF) e propõem três novos algoritmos de aprendizado, os quais representam melhorias em comparação com o Classificador OPF tradicional. Primeiramente, é desenvolvida uma metodologia simples, porém efetiva, para detecção de outliers no conjunto de treinamento. O método visa uma melhoria na acurácia do Classificador OPF tradicional através da troca desses outliers por novas amostras do conjunto de avaliação e sua exclusão do processo de aprendizagem. Os outliers são detectados computando uma penalidade para cada amostra baseada nos seus acertos e erros na classificação, o qual pode ser medido através do número de falsos positivos/negativos e verdadeiros positivos/negativos obtidos por cada amostra. O método obteve uma melhoria na acurácia em comparação com o OPF tradicional...