Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
12/05/2011 |
|
Data da última atualização: |
25/07/2011 |
|
Tipo da produção científica: |
Autoria/Organização/Edição de Livros |
|
Autoria: |
MIRANDA, J. I. |
|
Afiliação: |
JOSÉ IGUELMAR MIRANDA, Analista aposentado da Embrapa Informática Agropecuária. |
|
Título: |
Processamento de imagens digitais: métodos multivariados em Java. |
|
Ano de publicação: |
2011 |
|
Fonte/Imprenta: |
Campinas: Embrapa Informática Agropecuária, 2011. |
|
Páginas: |
400 p. il. |
|
ISBN: |
978-85-86168-02-4 |
|
Idioma: |
Português |
|
Conteúdo: |
Motivação. Métodos multivariados. Introdução.Técnicas multivariadas. Organizando os dados. Onde encontrar o código fonte. Classes Java usadas no livro. Programação orientada a objetos e a linguagem Java. Classe e objetos. Subclasses e herança. Encapsulamento e atributos escondidos .Classes abstratas e interfaces. Classes abstratas. Nterfaces. Classe e objeto na prática - criando a classe Imagem. APIs Java usadas. API JfreeChart .API GeoTools. API de álgebra linear -JAMA. API ANNeF. Fundamentos. Álgebra de matrizes. Vetores. Matrizes. Tipos de matrizes. Matriz nula. Matriz coluna. Matriz linha. Matriz diagonal. Matriz identidade. Matriz triangular superior. Matriz triangular inferior. Matriz simétrica. Traço de uma matriz. Operações com matrizes. Operações aritméticas de soma e subtração com matrizes. Multiplicação de matriz por escalar. Transposta de uma matriz. Transposta de uma matriz. Multiplicação de matrizes. Inversão de matrizes. Multiplicação de matrizes. Inversão de matrizes. Autovalores e autovetores de uma matriz quadrada. Estatística univariada, bivariada e multivariada para imagens digitais. Momentos de uma distribuição. Estatística de ordem. Mediana. Valores máximos e mínimos. Intervalo. Ponto médio. Desvio extremo. Estatística bivariada. Correlação linear de Pearson. Modelo de regressão linear. Regressão múltipla. Estatística descritiva de dados multivariados. Técnicas gráficas (Análise exploratória de dados). Métricas de similaridade. Medidas de similaridade. Medidas de correlação. Medidas de distância. Medidas de associação. Distância estatística. Outras distâncias. Distância de Mahalanobis. Distância de Minkowski. Distância de Bhattacharyya e seu uso na extração de atributos. Distância de Jeffreys-Matusita (JM). Padronização dos dados. Resumo das métricas. Métodos Multivariados. Análise de componentes principais. Conceitos básicos de ACP. Componentes principais obtidas de variáveis uniformizadas. Aplicação de ACP no domínio espectral das imagens de satélite. Aplicação de ACP no domínio temporal das imagens de satélite. Análise de agrupamentos. Introdução. O procedimento de agrupamento. Definir os objetivos da pesquisa. Fazer o projeto de pesquisa. Suposições na análise de agrupamento. Selecionando o algoritmo de agrupamento. Interpretação dos grupos. Validação dos grupos. Definições e notações. Técnicas de agrupamento. Algoritmos de particionamento de grupos - o método heurístico. Método k-médias. Introdução. Método de agrupamento do erro quadrático. O algoritmo k-médias. Exemplos e aplicações. Avaliando a precisão do mapa de classificação.Capítulo. Método fuzzy c-médias (FCM). Teoria dos conjuntos difusos. Princípios para a aplicação da regra difusa. Difusividade. Inferência. De-difusividade (?Defuzzification?). Classificando com a regra difusa. O método fuzzy c-médias (FCM). Classificação difusa: resumo. Capítulo 10 - Métodos da distância mínima da média e do paralelepípedo. Introdução aos métodos de classificação supervisionada. Esquema de classificação de cobertura/uso do solo. Seleção de áreas de treinamento. Observações práticas para a classificação supervisionada. Delimitação da área de treinamento. Extração das assinaturas espectrais. Classificação da imagem. O algoritmo de classificação da distância mínima da média. O método do paralelepípedo. Método da máxima verossimilhança. Axiomas da probabilidade. Teoria da decisão Bayesiana. O algoritmo maxver. Exemplo. A implementação do maxver. Métodos usando redes de neurônios artificiais. Perceptron - modelando um neurônio. Treinamento e aprendizado de uma rede de neurônios. Perceptron multicamadas. O algoritmo da retropropagação. Aplicação. Outros modelos de redes de neurônios artificiais. Mapas auto-organizáveis de Kohonen - “self organizing maps” (SOM). Rede de Hopfield. Teoria da ressonância adaptativa - “adaptive resonance theory” (ART). MenosMotivação. Métodos multivariados. Introdução.Técnicas multivariadas. Organizando os dados. Onde encontrar o código fonte. Classes Java usadas no livro. Programação orientada a objetos e a linguagem Java. Classe e objetos. Subclasses e herança. Encapsulamento e atributos escondidos .Classes abstratas e interfaces. Classes abstratas. Nterfaces. Classe e objeto na prática - criando a classe Imagem. APIs Java usadas. API JfreeChart .API GeoTools. API de álgebra linear -JAMA. API ANNeF. Fundamentos. Álgebra de matrizes. Vetores. Matrizes. Tipos de matrizes. Matriz nula. Matriz coluna. Matriz linha. Matriz diagonal. Matriz identidade. Matriz triangular superior. Matriz triangular inferior. Matriz simétrica. Traço de uma matriz. Operações com matrizes. Operações aritméticas de soma e subtração com matrizes. Multiplicação de matriz por escalar. Transposta de uma matriz. Transposta de uma matriz. Multiplicação de matrizes. Inversão de matrizes. Multiplicação de matrizes. Inversão de matrizes. Autovalores e autovetores de uma matriz quadrada. Estatística univariada, bivariada e multivariada para imagens digitais. Momentos de uma distribuição. Estatística de ordem. Mediana. Valores máximos e mínimos. Intervalo. Ponto médio. Desvio extremo. Estatística bivariada. Correlação linear de Pearson. Modelo de regressão linear. Regressão múltipla. Estatística descritiva de dados multivariados. Técnicas gráficas (Análise exploratória de dados). Métricas de similaridade. Medidas de similaridade.... Mostrar Tudo |
|
Palavras-Chave: |
Artificial neural networks; Digital imaging; Estatística multivariada; Image processing; Imagem digital; Java language; Linguagem Java; Logic fuzzy; Lógica difusa; Lógistica difusa; Multivariate statistical; Processamento de imagem; Rede de neurônio artificial; Rede de neurônios artificais; Redes de neurônios artificiais. |
|
Thesagro: |
Estatística. |
|
Thesaurus NAL: |
Fuzzy logic; Multivariate analysis; Neural networks. |
|
Categoria do assunto: |
--
X Pesquisa, Tecnologia e Engenharia |
|
Marc: |
LEADER 05124nam a2200361 a 4500
001 1888357
005 2011-07-25
008 2011 bl uuuu 00u1 u #d
020 $a978-85-86168-02-4
100 1 $aMIRANDA, J. I.
245 $aProcessamento de imagens digitais$bmétodos multivariados em Java.
260 $aCampinas: Embrapa Informática Agropecuária$c2011
300 $a400 p. il.
520 $aMotivação. Métodos multivariados. Introdução.Técnicas multivariadas. Organizando os dados. Onde encontrar o código fonte. Classes Java usadas no livro. Programação orientada a objetos e a linguagem Java. Classe e objetos. Subclasses e herança. Encapsulamento e atributos escondidos .Classes abstratas e interfaces. Classes abstratas. Nterfaces. Classe e objeto na prática - criando a classe Imagem. APIs Java usadas. API JfreeChart .API GeoTools. API de álgebra linear -JAMA. API ANNeF. Fundamentos. Álgebra de matrizes. Vetores. Matrizes. Tipos de matrizes. Matriz nula. Matriz coluna. Matriz linha. Matriz diagonal. Matriz identidade. Matriz triangular superior. Matriz triangular inferior. Matriz simétrica. Traço de uma matriz. Operações com matrizes. Operações aritméticas de soma e subtração com matrizes. Multiplicação de matriz por escalar. Transposta de uma matriz. Transposta de uma matriz. Multiplicação de matrizes. Inversão de matrizes. Multiplicação de matrizes. Inversão de matrizes. Autovalores e autovetores de uma matriz quadrada. Estatística univariada, bivariada e multivariada para imagens digitais. Momentos de uma distribuição. Estatística de ordem. Mediana. Valores máximos e mínimos. Intervalo. Ponto médio. Desvio extremo. Estatística bivariada. Correlação linear de Pearson. Modelo de regressão linear. Regressão múltipla. Estatística descritiva de dados multivariados. Técnicas gráficas (Análise exploratória de dados). Métricas de similaridade. Medidas de similaridade. Medidas de correlação. Medidas de distância. Medidas de associação. Distância estatística. Outras distâncias. Distância de Mahalanobis. Distância de Minkowski. Distância de Bhattacharyya e seu uso na extração de atributos. Distância de Jeffreys-Matusita (JM). Padronização dos dados. Resumo das métricas. Métodos Multivariados. Análise de componentes principais. Conceitos básicos de ACP. Componentes principais obtidas de variáveis uniformizadas. Aplicação de ACP no domínio espectral das imagens de satélite. Aplicação de ACP no domínio temporal das imagens de satélite. Análise de agrupamentos. Introdução. O procedimento de agrupamento. Definir os objetivos da pesquisa. Fazer o projeto de pesquisa. Suposições na análise de agrupamento. Selecionando o algoritmo de agrupamento. Interpretação dos grupos. Validação dos grupos. Definições e notações. Técnicas de agrupamento. Algoritmos de particionamento de grupos - o método heurístico. Método k-médias. Introdução. Método de agrupamento do erro quadrático. O algoritmo k-médias. Exemplos e aplicações. Avaliando a precisão do mapa de classificação.Capítulo. Método fuzzy c-médias (FCM). Teoria dos conjuntos difusos. Princípios para a aplicação da regra difusa. Difusividade. Inferência. De-difusividade (?Defuzzification?). Classificando com a regra difusa. O método fuzzy c-médias (FCM). Classificação difusa: resumo. Capítulo 10 - Métodos da distância mínima da média e do paralelepípedo. Introdução aos métodos de classificação supervisionada. Esquema de classificação de cobertura/uso do solo. Seleção de áreas de treinamento. Observações práticas para a classificação supervisionada. Delimitação da área de treinamento. Extração das assinaturas espectrais. Classificação da imagem. O algoritmo de classificação da distância mínima da média. O método do paralelepípedo. Método da máxima verossimilhança. Axiomas da probabilidade. Teoria da decisão Bayesiana. O algoritmo maxver. Exemplo. A implementação do maxver. Métodos usando redes de neurônios artificiais. Perceptron - modelando um neurônio. Treinamento e aprendizado de uma rede de neurônios. Perceptron multicamadas. O algoritmo da retropropagação. Aplicação. Outros modelos de redes de neurônios artificiais. Mapas auto-organizáveis de Kohonen - “self organizing maps” (SOM). Rede de Hopfield. Teoria da ressonância adaptativa - “adaptive resonance theory” (ART).
650 $aFuzzy logic
650 $aMultivariate analysis
650 $aNeural networks
650 $aEstatística
653 $aArtificial neural networks
653 $aDigital imaging
653 $aEstatística multivariada
653 $aImage processing
653 $aImagem digital
653 $aJava language
653 $aLinguagem Java
653 $aLogic fuzzy
653 $aLógica difusa
653 $aLógistica difusa
653 $aMultivariate statistical
653 $aProcessamento de imagem
653 $aRede de neurônio artificial
653 $aRede de neurônios artificais
653 $aRedes de neurônios artificiais
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
