Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2014-09-23T11:12:32Z No. of bitstreams: 2 Araújo, Pedro Felippe da Silva.pdf: 1780566 bytes, checksum: d286e3b501489bf05fab04e9ab67bb26 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2014-09-23T11:34:23Z (GMT) No. of bitstreams: 2 Araújo, Pedro Felippe da Silva.pdf: 1780566 bytes, checksum: d286e3b501489bf05fab04e9ab67bb26 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2014-09-23T11:34:23Z (GMT). No. of bitstreams: 2 Araújo, Pedro Felippe da Silva.pdf: 1780566 bytes, checksum: d286e3b501489bf05fab04e9ab67bb26 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2013-03-18 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Problems involving the idea of optimization are found in various elds of study, such as, in Economy is in search of cost minimization and pro t maximization in a rm or country, from the available budget; in Nutrition is seeking to redress the essential nutrients daily with the lowest possible cost, considering the nancial capacity of the individual; in Chemistry studies the pressure and temperature minimum necessary to accomplish a speci c chemical reaction in the shortest possible time; in Engineering seeks the lowest cost for the construction of an aluminium alloy mixing various raw materials and restrictions obeying minimum and maximum of the respective elements in the alloy. All examples cited, plus a multitude of other situations, seek their Remedy by Linear Programming. They are problems of minimizing or maximizing a linear function subject to linear inequalities or Equalities, in order to nd the best solution to this problem. For this show in this paper methods of problem solving Linear Programming. There is an emphasis on geometric solutions and Simplex Method, to form algebraic solution. Wanted to show various situations which may t some of these problems, some general cases more speci c cases. Before arriving eventually in solving linear programming problems, builds up the eld work of this type of optimization, Convex Sets. There are presentations of de nitions and theorems essential to the understanding and development of these problems, besides discussions on the e ciency of the methods applied. During the work, it is shown that there are cases which do not apply the solutions presented, but mostly t e ciently, even as a good approximation. / Problemas que envolvem a ideia de otimiza c~ao est~ao presentes em v arios campos de estudo como, por exemplo, na Economia se busca a minimiza c~ao de custos e a maximiza c~ao do lucro em uma rma ou pa s, a partir do or camento dispon vel; na Nutri c~ao se procura suprir os nutrientes essenciais di arios com o menor custo poss vel, considerando a capacidade nanceira do indiv duo; na Qu mica se estuda a press~ao e a temperatura m nimas necess arias para realizar uma rea c~ao qu mica espec ca no menor tempo poss vel; na Engenharia se busca o menor custo para a confec c~ao de uma liga de alum nio misturando v arias mat erias-primas e obedencendo as restri c~oes m nimas e m aximas dos respectivos elementos presentes na liga. Todos os exemplos citados, al em de uma in nidade de outras situa c~oes, buscam sua solu c~ao atrav es da Programa c~ao Linear. S~ao problemas de minimizar ou maximizar uma fun c~ao linear sujeito a Desigualdades ou Igualdades Lineares, com o intuito de encontrar a melhor solu c~ao deste problema. Para isso, mostram-se neste trabalho os m etodos de solu c~ao de problemas de Programa c~ao Linear. H a ^enfase nas solu c~oes geom etricas e no M etodo Simplex, a forma alg ebrica de solu c~ao. Procuram-se mostrar v arias situa c~oes as quais podem se encaixar alguns desses problemas, dos casos gerais a alguns casos mais espec cos. Antes de chegar, eventualmente, em como solucionar problemas de Programa c~ao Linear, constr oi-se o campo de trabalho deste tipo de otimiza c~ao, os Conjuntos Convexos. H a apresenta c~oes das de ni c~oes e teoremas essenciais para a compreens~ao e o desenvolvimento destes problemas; al em de discuss~oes sobre a e ci^encia dos m etodos aplicados. Durante o trabalho, mostra-se que h a casos os quais n~ao se aplicam as solu c~oes apresentadas, por em, em sua maioria, se enquadram de maneira e ciente, mesmo como uma boa aproxima c~ao.

Submitted by Erika Demachki (erikademachki@gmail.com) on 2014-10-08T19:52:23Z No. of bitstreams: 2 Dissertação - Ronan Gomes de Amorim - 2013.pdf: 1551424 bytes, checksum: 2acf9af7fdc161d745d9a1fcf58ba4b0 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2014-10-09T11:22:45Z (GMT) No. of bitstreams: 2 Dissertação - Ronan Gomes de Amorim - 2013.pdf: 1551424 bytes, checksum: 2acf9af7fdc161d745d9a1fcf58ba4b0 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2014-10-09T11:22:45Z (GMT). No. of bitstreams: 2 Dissertação - Ronan Gomes de Amorim - 2013.pdf: 1551424 bytes, checksum: 2acf9af7fdc161d745d9a1fcf58ba4b0 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2013-03-18 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / This paper presents the main ideas concerning convex sets and functions. Our aim is to deal, didactically, with the main topics concerning convexity, as well as the consequent exploitation of the envolved mathematical concepts. In this sense, we have made a bibliographic revision approaching important theorems, lemmas, corollaries and propositions designed both to first readers and to those who want to work with applications arising from convexity. We hope that this study may constitute an important research source either for students, teachers or researchers who wish to learn more about convex sets. / Neste trabalho, apresentamos as principais ideias concernentes aos conjuntos convexos e às funções convexas. Nosso principal foco é tratar, de forma didática, os principais tópicos envolvidos na convexidade, bem como a consequente exploração dos conceitos matemáticos envolvidos. Nesse sentido, realizamos uma revisão bibliográfica que contemplou teoremas, lemas, corolários e proposições relevantes a um primeiro leitor e a todos que pretendem trabalhar com as aplicações decorrentes da convexidade. Assim, esperamos que este material constitua uma importante fonte de pesquisa a estudantes, professores e pesquisadores que almejem estudar conteúdos relacionados aos conjuntos convexos.

No description available.

Made available in DSpace on 2014-11-10T11:09:41Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-02-24Bitstream added on 2014-11-10T11:58:47Z : No. of bitstreams: 1 000790764.pdf: 3238994 bytes, checksum: f2fdaf11b3e4db2185fb27b148d75971 (MD5) / O processo de restauração de imagens tem como objetivo melhorar as imagens corrompidas por ruídos e borramentos. Técnicas iterativas podem controlar melhor o algoritmo de restauração a fim de restaurar detalhes em regiões borradas sem aumentar o ruído. Técnicas baseadas em Projeção em Conjuntos Convexos (Projections onto Convex Sets - POCS) tem sido utilizadas no contexto de restauração de imagens, projetando a solução em um hiperespaço até que algum critério de convergência seja encontrado. O resultado esperado é uma imagem melhor ao final de um número desconhecido de projeções. O número de conjuntos convexos e suas combinações permitem construir vários algoritmos de restauração de imagens baseados em POCS. O presente trabalho utiliza dois conjuntos convexos: Row-Action Projections (RAP) e Limited Amplitude (LA). O algoritmo RAP possui um parâmetro de relaxação que depende das características da imagem que será restaurada. Assim, valores errados de podem conduzir a uma pobre restauração. Propomos achar o valor de modelando o problema como de otimização e utilizando diferentes técnicas evolucionistas. Além disso, é possível utilizar os parâmetros de restauração aprendidas sobre uma imagem e empregá-los para uma outra imagem / The process of image restoration aims to enhance images corrupted by noise and blurred. Iterative techniques can better control the restoration algorithm in order to restore blurred regions in details without increasing noise. Techniques based on Projection Sets in Convex (Projections onto Convex Sets - POCS) have been used in the context of image restoration by projecting the solution in a hyperspace until some convergence criterion is met. The expected result is a better picture at the end of an unknown number of projections. The number of convex sets and its combinations allow you to build several image restoration algorithms based on POCS. This study uses two convex sets: Row Action Projections (RAP) and Limited Amplitude (LA). The RAP algorithm has a relaxation parameter depends on the characteristics of the image that will be restored. Thus, erroneous values of can lead to a poor restoration. We propose to find the value of as the problem of modeling and optimization using different evolutionary techniques. Furthermore, is possible to use the parameters learned in restoring an image, and use them to another image

Orientador: João Paulo Papa / Banca: Antonio Carlos Sementille / Banca: Alexandre Luís Magalhães Levada / Resumo: O processo de restauração de imagens tem como objetivo melhorar as imagens corrompidas por ruídos e borramentos. Técnicas iterativas podem controlar melhor o algoritmo de restauração a fim de restaurar detalhes em regiões borradas sem aumentar o ruído. Técnicas baseadas em Projeção em Conjuntos Convexos (Projections onto Convex Sets - POCS) tem sido utilizadas no contexto de restauração de imagens, projetando a solução em um hiperespaço até que algum critério de convergência seja encontrado. O resultado esperado é uma imagem melhor ao final de um número desconhecido de projeções. O número de conjuntos convexos e suas combinações permitem construir vários algoritmos de restauração de imagens baseados em POCS. O presente trabalho utiliza dois conjuntos convexos: Row-Action Projections (RAP) e Limited Amplitude (LA). O algoritmo RAP possui um parâmetro de relaxação ���� que depende das características da imagem que será restaurada. Assim, valores errados de ���� podem conduzir a uma pobre restauração. Propomos achar o valor de ���� modelando o problema como de otimização e utilizando diferentes técnicas evolucionistas. Além disso, é possível utilizar os parâmetros de restauração aprendidas sobre uma imagem e empregá-los para uma outra imagem / Abstract: The process of image restoration aims to enhance images corrupted by noise and blurred. Iterative techniques can better control the restoration algorithm in order to restore blurred regions in details without increasing noise. Techniques based on Projection Sets in Convex (Projections onto Convex Sets - POCS) have been used in the context of image restoration by projecting the solution in a hyperspace until some convergence criterion is met. The expected result is a better picture at the end of an unknown number of projections. The number of convex sets and its combinations allow you to build several image restoration algorithms based on POCS. This study uses two convex sets: Row Action Projections (RAP) and Limited Amplitude (LA). The RAP algorithm has a relaxation parameter ���� depends on the characteristics of the image that will be restored. Thus, erroneous values of ���� can lead to a poor restoration. We propose to find the value of ���� as the problem of modeling and optimization using different evolutionary techniques. Furthermore, is possible to use the parameters learned in restoring an image, and use them to another image / Mestre

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / Neste trabalho, consideramos o conceito de segmento de reta como uma introduÃÃo ao conceito de conjunto convexo e suas aplicaÃÃes no R2 e R3, conceito esse reforÃado com a prova do baricentro do triÃngulo. Calculamos a relaÃÃo de posiÃÃo entre um ponto e um segmento de reta. Definimos o conceito de cone e mostramos os diferentes tipos de cone com alguns exemplos. Definimos a envoltÃria convexa no plano e no espaÃo podendo assim estabelecer a relaÃÃo entre um ponto e um triÃngulo e a relaÃÃo entre um ponto e um tetraedro. Apresentamos o conceito de hiperplano e finalizamos relacionando a convexidade com a simetria. / In this paper, we consider the concept of line segment as an introduction to the concept of convex set and its applications, this concept reinforced by the evidence of centroid of the triangle. We calculate the relative position between a point and a line segment. We define the cone concept and show the different types of cone with some examples. We define the convex envelope in the plane and in space can then estabilish the relationship between a point and a triangle and the relationship between a point and a tetrahedron. Introducing the concept of hyperplane and finished relating the convexity with symmetry.

No description available.

O método do Gradiente Espectral, introduzido por Barzilai e Borwein e analisado por Raydan, para minimização irrestrita, é um método simples cujo desempenho é comparável ao de métodos tradicionais como, por exemplo, gradientes conjugados. Desde a introdução do método, assim como da sua extensão para minimização em conjuntos convexos, foram introduzidas várias combinações de passos espectrais diferentes, assim como de buscas lineares não monótonas diferentes. Dos resultados numéricos apresentados em vários trabalhos não é possível inferir se existem diferenças significativas no desempenho dos diversos métodos. Além disso, também não fica clara a relevância das buscas não monótonas como uma ferramenta em si próprias ou se, na verdade, elas são úteis apenas para permitir que o método seja o mais parecido possível com o método original de Barzilai e Borwein. O objetivo deste trabalho é comparar os diversos métodos recentemente introduzidos como combinações de diferentes buscas lineares não monótonas e diferentes passos espectrais para encontrar a melhor combinação e, a partir daí, aferir o desempenho numérico do método. / The Spectral Gradient method, introduced by Barzilai and Borwein and analized by Raydan for unconstrained minimization, is a simple method whose performance is comparable to traditional methods, such as conjugate gradients. Since the introduction of method, as well as its extension to minimization of convex sets, there were introduced various combinations of different spectral steplengths, as well as different nonmonotone line searches. By the numerical results presented in many studies it is not possible to infer whether there are siginificant differences in the performance of various methods. It also is not sure the relevance of the nonmonotone line searches as a tool in themselves or whether, in fact, they are usefull only to allow the method to be as similar as possible with the original method of Barzilai e Borwein. The objective of this study is to compare the different methods recently introduced as different combinations of nonmonotone linear searches and different spectral steplengths to find the best combination and from there, evaluating the numerical performance of the method.

O método do Gradiente Espectral, introduzido por Barzilai e Borwein e analisado por Raydan, para minimização irrestrita, é um método simples cujo desempenho é comparável ao de métodos tradicionais como, por exemplo, gradientes conjugados. Desde a introdução do método, assim como da sua extensão para minimização em conjuntos convexos, foram introduzidas várias combinações de passos espectrais diferentes, assim como de buscas lineares não monótonas diferentes. Dos resultados numéricos apresentados em vários trabalhos não é possível inferir se existem diferenças significativas no desempenho dos diversos métodos. Além disso, também não fica clara a relevância das buscas não monótonas como uma ferramenta em si próprias ou se, na verdade, elas são úteis apenas para permitir que o método seja o mais parecido possível com o método original de Barzilai e Borwein. O objetivo deste trabalho é comparar os diversos métodos recentemente introduzidos como combinações de diferentes buscas lineares não monótonas e diferentes passos espectrais para encontrar a melhor combinação e, a partir daí, aferir o desempenho numérico do método. / The Spectral Gradient method, introduced by Barzilai and Borwein and analized by Raydan for unconstrained minimization, is a simple method whose performance is comparable to traditional methods, such as conjugate gradients. Since the introduction of method, as well as its extension to minimization of convex sets, there were introduced various combinations of different spectral steplengths, as well as different nonmonotone line searches. By the numerical results presented in many studies it is not possible to infer whether there are siginificant differences in the performance of various methods. It also is not sure the relevance of the nonmonotone line searches as a tool in themselves or whether, in fact, they are usefull only to allow the method to be as similar as possible with the original method of Barzilai e Borwein. The objective of this study is to compare the different methods recently introduced as different combinations of nonmonotone linear searches and different spectral steplengths to find the best combination and from there, evaluating the numerical performance of the method.

Submitted by Milena Rubi ( ri.bso@ufscar.br) on 2017-10-17T16:07:35Z No. of bitstreams: 1 CUNHA_Bruno_2017.pdf: 1281922 bytes, checksum: 605ecd45f46a3b67332ed6bd13043af5 (MD5) / Approved for entry into archive by Milena Rubi ( ri.bso@ufscar.br) on 2017-10-17T16:07:44Z (GMT) No. of bitstreams: 1 CUNHA_Bruno_2017.pdf: 1281922 bytes, checksum: 605ecd45f46a3b67332ed6bd13043af5 (MD5) / Approved for entry into archive by Milena Rubi ( ri.bso@ufscar.br) on 2017-10-17T16:07:53Z (GMT) No. of bitstreams: 1 CUNHA_Bruno_2017.pdf: 1281922 bytes, checksum: 605ecd45f46a3b67332ed6bd13043af5 (MD5) / Made available in DSpace on 2017-10-17T16:08:04Z (GMT). No. of bitstreams: 1 CUNHA_Bruno_2017.pdf: 1281922 bytes, checksum: 605ecd45f46a3b67332ed6bd13043af5 (MD5) Previous issue date: 2016-11-10 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / This work proposes both a study and a development of an algorithm for super-resolution of digital images using projections onto convex sets. The method is based on a classic algorithm for spatial super-resolution which considering the subpixel information present in a set of lower resolution images, generate an image of higher resolution and better visual quality. We propose the incorporation of a new restriction based on the Richardson-Lucy algorithm in order to restore and recover part of the spatial frequencies lost during the degradation and decimation process of the high resolution images. In this way the algorithm provides a hybrid approach based on projections onto convex sets which is capable of promoting both the spatial and spectral image super-resolution. The proposed approach was compared with the original algorithm from Sezan and Tekalp and later with a method based on a robust framework that is considered nowadays one of the most effective methods for super-resolution. The results, considering both the visual and the mean square error analysis, demonstrate that the proposed method has great potential promoting increased visual quality over the images studied. / Este trabalho visa o estudo e o desenvolvimento de um algoritmo para super-resolução de imagens digitais baseado na teoria de projeções sobre conjuntos convexos. O método é baseado em um algoritmo clássico de projeções sobre restrições convexas para super- resolução espacial onde se busca, considerando as informações subpixel presentes em um conjunto de imagens de menor resolução, gerar uma imagem de maior resolução e com melhor qualidade visual. Propomos a incorporação de uma nova restrição baseada no algoritmo de Richardson-Lucy para restaurar e recuperar parte das frequências espaciais perdidas durante o processo de degradação e decimação das imagens de alta resolução. Nesse sentido o algoritmo provê uma abordagem híbrida baseada em projeções sobre conjuntos convexos que é capaz de promover simultaneamente a super-resolução espacial e a espectral. A abordagem proposta foi comparada com o algoritmo original de Sezan e Tekalp e posteriormente com um método baseado em um framework de super-resolução robusta, considerado um dos métodos mais eficazes na atualidade. Os resultados obtidos, considerando as análises visuais e também através do erro médio quadrático, demonstram que o método proposto possui grande potencialidade promovendo o aumento da qualidade visual das imagens estudadas.