Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-10-24T16:42:46Z No. of bitstreams: 1 erickdeoliveiravidal.pdf: 6842325 bytes, checksum: e25e65241a6f040935e98ecece657718 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-12-15T11:54:19Z (GMT) No. of bitstreams: 1 erickdeoliveiravidal.pdf: 6842325 bytes, checksum: e25e65241a6f040935e98ecece657718 (MD5) / Made available in DSpace on 2016-12-15T11:54:19Z (GMT). No. of bitstreams: 1 erickdeoliveiravidal.pdf: 6842325 bytes, checksum: e25e65241a6f040935e98ecece657718 (MD5) Previous issue date: 2008-03-26 / O processo visual das capas de discos da Bossa Nova, nas décadas de 1950 e 1960, como elementos históricos e culturais, é o foco de análise da dissertação, tendo como principal objeto as capas lançadas pela gravadora Elenco, em 1963. A hipótese é de que as capas não contenham um significado estático inerente a uma abordagem tradicional da imagem como documento, mas que a imagem ali contida seja uma construção sócio-histórica, carregando na sua produção traços do contexto cultural. O trabalho consistiu no diálogo entre específicas e diferentes linguagens (memórias, sociedade e a arte), na busca de interpretar o seu confronto e tensão dialógica, sem as tratar como polaridades opostas, permitindo assim, uma narrativa analítica sobre a grande importância da (r)evolução visual das capas dos discos da Bossa Nova. / The visual process of Bossa Nova LPs covers designed between the 50’s and the 60’s as historical and cultural elements is the dissertation analysis focus, and has as main object of research Elenco’s covers from 1963. The hypothesis is that these LP’s covers don’t have a static meaning inherent in a traditional approach of the image as a document but an image built in a sociohistorical context fulfilled by cultural traces. The methodology is consisted of putting together specific and different languages (memories, society and art), in search of understanding the conflict and tension of this dialogue, but not treating them like opposite polarities. It allows an analytic narrative about the great importance of the visual (r)evolution of Bossa Nova LPs cover.

Submitted by Patricia Barros (patricia.barros@ufes.br) on 2017-07-03T10:36:35Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Andre Georghton Cardoso Pacheco Agregacao de classificadores neurais via integral de Choquet com respeito a uma medida fuzzy.pdf: 2377890 bytes, checksum: a119a6b35273222d80df45cdde5602db (MD5) / Approved for entry into archive by Patricia Barros (patricia.barros@ufes.br) on 2017-07-19T09:37:39Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Andre Georghton Cardoso Pacheco Agregacao de classificadores neurais via integral de Choquet com respeito a uma medida fuzzy.pdf: 2377890 bytes, checksum: a119a6b35273222d80df45cdde5602db (MD5) / Made available in DSpace on 2017-07-19T09:37:39Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Andre Georghton Cardoso Pacheco Agregacao de classificadores neurais via integral de Choquet com respeito a uma medida fuzzy.pdf: 2377890 bytes, checksum: a119a6b35273222d80df45cdde5602db (MD5) / CAPES / Data classification appears in many real-world problems, e.g., recognition of image patterns, differentiation among species of plants, classifying between benign and malignant tumors, among others. Many of these problems present data patterns, which are difficult to be identified, thus requiring more advanced techniques to be solved. Over the last few years, various classification algorithms have been developed to address these problems, but there is no classifier able to be the best choice in all situations. So, the concept of ensemble systems arise, which more than one methodology is used together to solve a particular problem. As a simple and effective methodology, ensemble of classifiers have been applied in several classification problems, aiming to improve performance and increase reliability of the final result. However, in order to improve the classification accuracy, an affective aggregation of classifiers must be performed. In this work, we present two contributions: first, we describe three classifiers based on neural networks, a multilayer feedforward trained by Levenberg-Marquardt algorithm; an extreme learning machine (ELM); and a discriminative restricted Boltmann machine (DRBM). Furthermore, we use conventional classifier k-nearest neighbors (KNN). Next, we propose an aggregation methodology to ensemble of classifiers using Choquet integral with respect to a fuzzy measure obtained by principal component analysis (PCA). Then, we apply this methodology to aggregate the classifiers performed to conventional benchmarks, for large database and the results are promising. / Classificação de dados pode ser aplicada em diversos problemas reais, tais como: reconhecer padrões em imagens, diferenciar espécies de plantas, classificar tumores benignos e malignos, dentre outros. Muitos desses problemas possuem padrões de dados difíceis de serem identificados, o que requer, consequentemente, técnicas mais avançadas para sua resolução. Ao longo dos anos, diversos algoritmos de classificação foram desenvolvidos para abordar esses problemas, todavia, não existe um classificador capaz de ser a melhor opção em todas as situações. Baseado nisso, surge o conceito de sistema baseado em elenco, no qual, mais de uma metodologia é utilizada em conjunto para solucionar um determinado problema. Por ser uma metodologia simples e eficaz, elenco de classificadores vem sendo aplicado em diversos problemas de classificação com intuito de melhorar o desempenho e de aumentar confiabilidade do resultado final. Entretanto, para que o elenco seja capaz de promover melhorias, uma boa técnica de agregação deve ser aplicada. Neste trabalho, duas contribui- ções são apresentadas: primeiramente será apresentado o uso de três classificadores baseado em redes neurais artificiais, sendo uma rede neural multicamadas feedforward usando o algoritmo de treinamento de Levenberg-Marquardt, uma rede neural do tipo máquina de aprendizado extremo (ELM), e uma máquina de Boltzmann restrita discriminativa (DRBM), além de um classificador convencional do tipo K vizinhos mais próximos (KNN). A seguir é proposta uma metodologia de agregação de elenco de classificadores utilizando a integral de Choquet com respeito a uma medida fuzzy obtida através da técnica de Análise de Componentes Principais (PCA). Por fim, tal metodologia é aplicada para agregar os classificadores obtidos para benchmarks convencionais da literatura, para grande base de dados e os resultados são promissores