Made available in DSpace on 2016-08-29T15:32:31Z (GMT). No. of bitstreams: 1 tese_2767_DissertaMestradoAlessandroBottiBenevides.pdf: 7146975 bytes, checksum: 81fe25bbfd7bf3f292a9b4e982bb60a5 (MD5) Previous issue date: 2009-03-13 / Nessa pesquisa, estudamos a anatomia cerebral para o entendimento dos padrões de sincronização/dessincronização relacionada a eventos que ocorrem no córtex motor primário durante a realização de tarefas mentais. Nesse intuito, foram estudados os padrões oscilatórios dos circuitos neuronais do sistema tálamo-cortical e o circuito da alça motora. Então, sugerimos um modelo baseado em dipolos elétricos para modelar as fontes cerebrais, e calculamos atenuação do campo elétrico. A partir do modelo, formamos um sistema de equações lineares para separar os sinais de EEG linearmente misturados no encéfalo. Esse método foi testado em classificadores baseados em regras, classificadores estatísticos (Análise por Discriminante Quadrático, Análise por Discriminante Linear e Análise por Discriminante Regularizado) e redes neurais artificiais durante a classificação de 3 tarefas mentais, relacionadas à imaginação de movimento das mãos direita/esquerda e a geração de palavras começando com uma mesma letra qualquer.

Made available in DSpace on 2018-08-02T00:00:49Z (GMT). No. of bitstreams: 1 tese_2875_DissertacaoMestradoAlexandrePereiradoCarmo.pdf: 1545299 bytes, checksum: 40ab4f867605450328bc2ab7d7bb8805 (MD5) Previous issue date: 2010-06-14 / Nessa pesquisa, estudamos a anatomia cerebral, os padrões oscilatórios dos circuitos neurais do sistema tálamo-cortical e sugerimos um modelo para as fontes cerebrais baseado em dipolos elétricos, então, calculamos atenuação do campo elétrico e formamos um sistema de equações lineares para separar os sinais de EEG linearmente misturados no Encéfalo. Esse método foi testado em classificadores baseados em regras, classificadores estatísticos (Análise por Discriminante Quadrático, Análise por Discriminante Linear e Análise por Discriminante Regularizado) e redes neurais artificiais durante a classificação de 3 tarefas mentais, relacionadas à imaginação de movimento das mãos direita/esquerda e a geração de palavras começando com uma mesma letra qualquer.

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, efficient and non destructive way. Nuclear magnetic resonance (NMR) has been highlighted as one of the techniques of meat quality control. In this work study artificial neural networks are being used for pattern recognition from data obtained by the resonance equipment, originating from bovine meat. More specifically, the respective data have been used by a multilayer perceptron network for extraction of bovine meat characteristics, making possible the classification of both genetic group and animal sex starting from a single meat sample. Several results of experimental tests are also presented to illustrate the performance of the proposed approach.

Este trabalho aborda as técnicas de classificação supervisionada de imagens utilizando controladores de influência. Avaliou-se o desempenho do uso dos controladores de influência das imagens e também das classes presentes nas imagens. Para a determinação dos valores dos controladores de influência, foram propostos métodos para a estimativa dos controladores de influência das imagens e das suas classes. Dentre os métodos propostos, destacam-se os indicadores de separabilidade entre as classes da imagem e os provenientes do cálculo do coeficiente kappa e da Precisão Global da classificação. Apresentou-se, também, a proposta de um novo classificador que incorpora o conceito de controladores de influência através das probabilidades de ocorrência condicionais das classes presentes nas imagens. Para os testes de avaliação de desempenho do uso de controladores de influência, foram utilizados seis conjuntos de duas imagens SAR (originais e filtradas com filtros da média com janelas 3×3, 5×5 7×7, 9×9 e 11×11). O desempenho dos classificadores propostos mostrou-se superior aos Classificadores em Cascata, da Distância Euclidiana e da Distância de Mahalanobis, que não incorporam o conceito de controladores de influência em sua estrutura. Para os testes de desempenho do classificador baseado nas probabilidades de ocorrência condicional das classes, foram utilizados quatro conjuntos de imagens SAR simuladas. A análise dos resultados evidencia que o classificador proposto obteve desempenho superior ao Classificador em Cascata.

As Máquinas de Vetores de Suporte (SVMs) são consideradas ferramentas com grande capacidade de generalização e são utilizadas em tarefas de classificação, clusterização e regressão. Foram originalmente criadas para trabalhar com problemas contendo duas classes, entretanto, muitas aplicações reais necessitam de um método para discriminação em múltiplas classes, como são os casos da identificação biométrica, categorização de textos, reconhecimento de caracteres, entre outros. Além das SVMs existem métodos de classificação puramente geométricos que são interessantes por sua rapidez, seu baixo custo em memória e sua capacidade de classificar dados linearmente separáveis. Um desses métodos é o Diagrama de Voronoi, que em conjunto com seu grafo dual conhecido por Triangulação de Delaunay, são aplicados em áreas como Arqueologia, Astronomia, Cartografia, Geometria Computacional, entre outras. Neste trabalho é proposto um mecanismo para utilizar a estrutura geométrica da Triangulação de Delaunay para definir o esquema de treinamento dos hiperplanos obtidos através das SVMs. A partir deste ponto, é proposta uma função para tratamento das regiões consideradas como não-classificáveis encontradas com a ocorrência das interseções entre os hiperplanos gerados. Com a aplicação dos métodos, as partições obtidas no plano permitem uma classificação multiclasse eficiente e com bons resultados de generalização mesmo com o uso de quantidade significativa de classes contendo poucas amostras.

A atual interação entre homens e computadores ocorre por meio de dispositivos físicos como mouses, teclados, trackballs, entre outros. Claramente, essa forma de comunicação difere daquela com que os homens se comunicam entre si, que se baseiam na fala; em expressões faciais e corporais; em gestos das mãos, etc, não sendo, portanto, naturais. Considerando-se que boa parte da interação envolve a manipulação de objetos, por exemplo, arrastar uma pasta, pressionar um botão ou controlar um personagem em um jogo, tem-se a interação baseada em gestos das mãos como uma candidata a tornar o processo mais natural. Os mecanismos mais populares que permitem a interação baseada em gestos são luvas repletas de sensores que captam os gestos executados e os transmitem para o sistema. Essa abordagem apresenta várias desvantagens em termos de uso casual por terem um alto custo financeiro, por esconderem a naturalidade do movimento da mão e por requererem um complexo processo de calibração para permitir medições precisas. Nesse contexto, a Visão Computacional surge como uma alternativa interessante, visto que pode ser implementada com simples câmeras web. O presente trabalho investiga algumas das etapas comuns em sistemas de visão computacional, direcionando-se no sentido de encontrar um conjunto de procedimentos que compostos possam permitir a identificação dos gestos produzidos pelas mãos.

Neste trabalho é proposta uma abordagem para detecção e diagnóstico de falhas empregando técnicas de seleção de atributos e classificação de padrões. Tal abordagem faz uso do Algoritmo das Projeções Sucessivas (APS) para seleção de atributos a serem usados em um classificador de Análise Discriminante Linear (ADL). A aplicação do APS-ADL é proposta em duas etapas: pré-seleção de sensores e seleção de atributos com atrasos de tempo. São elaboradas ainda duas modificações na formulação original do algoritmo. A primeira faz uso da informação discriminatória univariada para evitar que atributos com alto poder de discriminação sejam descartados e a segunda propõe o uso de um teste de hipótese para simplificação do classificador através da eliminação de atributos. Adicionalmente, propõe-se um aprimoramento computacional para redução da complexidade do APS-ADL. Para o problema de detecção é proposto o uso de uma etapa prévia de agrupamento de padrões para identificar tipos de falhas similares de modo a reduzir o número de classificadores a serem empregados. O estudo de caso envolve o uso do modelo Tennessee Eastman Process, que é amplamente usado como benchmark na área de detecção e diagnóstico de falhas. Para fins de comparação, é empregado um algoritmo genético (AG) para seleção de atributos, bem como duas técnicas de classificação que fazem uso de todos os atributos disponíveis, a saber os métodos de K-vizinhos mais próximos (K-Nearest Neighbors, KNN) e mínimos-quadrados parciais (Partial Least Squares, PLS). Adicionalmente, investiga-se o uso dos atributos selecionados pelo APS-ADL para fins de classificação por Análise Discriminante Quadrática (ADQ). Os resultados mostram que (i) o uso de atrasos de tempo permite uma melhor discriminação entre as classes consideradas, (ii) a etapa preliminar de agrupamento de falhas simplifica o problema de detecção, (iii) a proposta de uso de informação univariada no APS-ADL melhora a taxa de acerto resultante, (iv) a pré-seleção de sensores facilita a seleção de atributos sem comprometer os resultados, (v) a proposta de eliminação de atributos no APS-ADL melhora a parcimônia dos classificadores sem alteração significativa de desempenho e (vi) dentre as técnicas consideradas, o APS-ADL e o APS-ADQ apresentam melhor acurácia tanto na detecção quanto no diagnóstico de falhas.

A classificação de sinais acústicos é de importância fundamental para as unidades navais e aeronavais, tanto navios e essencialmente submarinos, quanto para aeronaves com capacidade antissubmarino (P-3AM, da FAB). Neste contexto, empregou-se o método de Support Vector Machine (SVM) para realizar a classificação dos navios, com base na análise de tons característicos produzidos pelos seus sinais acústicos. Comparando os resultados decorrentes do uso de Redes Neurais Artificiais aos obtidos com uso do SVM, concluiu-se que este segundo método gerou um aumento de performance no classificador em função das características extraídas dos tons. Contudo os tempos computacionais foram considerados elevados, razão porque há a necessidade de maiores investigações para adequar o emprego do SVM em um ambiente operacional.

Manutenção não planejada de sistemas aeronáuticos é geralmente associada com altos custos. Parte desses custos poderia ser evitada com a adoção de programas de prognóstico de sistemas. O objetivo desses programas é avaliar o estado atual de saúde de um componente baseado nos dados disponíveis (como dados de voo e de manutenção) e estimar o desempenho futuro do componente. Diversos algoritmos podem ser utilizados para esse propósito. Este trabalho propõe um método baseado em um algoritmo de classificação Support Vector Machine (SVM), que classifica um componente aeronáutico entre SAUDÁVEL e DEGRADADO. O algoritmo SVM de classificação consiste em uma máquina de aprendizado supervisionado, treinada a partir de dados de voo e registros de manutenção. Depois de treinado, o classificador SVM é aplicado a qualquer novo voo. Do resultado das classificações, um índice de degradação é gerado, de tal forma que seja fácil identificar o estado de saúde do item aeronáutico. Como estudo de caso, o método é aplicado para estimar falhas de válvulas de sangria pneumática de motores. Dados reais de voo (quatro parâmetros relacionados ao sistema de sangria) e registros de manutenção (datas das substituições do componente) foram usados para gerar os conjuntos de dados de treinamento e generalização. Os resultados mostram ser possível identificar quando o componente está próximo de falhar e deve ser substituído. Uma vantagem do método proposto é não requerer conhecimento sobre os modos de falha do componente.

Técnicas biométricas procuraram identificar usuários pela textura da íris, impressão digital, traços faciais, entre outros. A íris humana apresenta características de textura que a classificam como uma peculiaridade biométrica de grande poder de discriminação no reconhecimento de pessoas. O objetivo deste trabalho é avaliar a eficiência de uma nova metodologia de análise de texturas em desenvolvimento no LAVI (Laboratório de Visão Computacional da EESC-USP) na identificação de indivíduos por meio da textura de sua íris. A metodologia denomina-se Local Fuzzy Pattern e tem sido utilizada com excelente desempenho com texturas gerais, naturais e artificiais. Este documento detalha as técnicas utilizadas para extração e normalização da textura da íris, a utilização e os resultados obtidos com o método Local Fuzzy Pattern aplicado à classificação biométrica da íris humana. Os resultados obtidos apresentam sensibilidade de até 99,7516% com a aplicação da metodologia proposta em bancos de imagens de íris humana disponíveis na internet demonstram a viabilidade da técnica proposta. / Biometric techniques sought to identify users by the texture of the iris, fingerprint, facial features, among others. The human iris have texture characteristics that rank it as a powerful biometric peculiarity on human recognition. The objective of this masters proposal is to investigate the efficiency of a new methodology of iris texture analysis currently in development in LAVI (Laboratório de Visão Computacional da EESC-USP). The methodology is called LFP (Local Fuzzy Pattern) and has been used with excellent overall performance on artificial and natural textures. This document details the techniques used for the extraction and normalization of the iris texture, the use and results of the local fuzzy pattern method applied to biometric classification of the human eye. The results show a sensibility of value up to 99.7516%, obtained by applying the proposed methodology on human iris photos from image database available on the internet does showing the viability of the technique.