ALMEIDA, A. R. O uso de análise de componentes independentes na extração de características dos sinais transitórios de faltas em linhas de transmissão de energia elétrica. 2017. 97 f. Tese (Doutorado em Engenharia Elétrica)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2017. / Submitted by Hohana Sanders (hohanasanders@hotmail.com) on 2017-10-05T11:40:13Z No. of bitstreams: 1 2017_tese_aralmeida.pdf: 10134467 bytes, checksum: 1fe4fbcbc4c1b84143957b9cc2985ba9 (MD5) / Approved for entry into archive by Marlene Sousa (mmarlene@ufc.br) on 2017-11-08T12:54:55Z (GMT) No. of bitstreams: 1 2017_tese_aralmeida.pdf: 10134467 bytes, checksum: 1fe4fbcbc4c1b84143957b9cc2985ba9 (MD5) / Made available in DSpace on 2017-11-08T12:54:55Z (GMT). No. of bitstreams: 1 2017_tese_aralmeida.pdf: 10134467 bytes, checksum: 1fe4fbcbc4c1b84143957b9cc2985ba9 (MD5) Previous issue date: 2017-09-01 / Several methods for localization and classification of faults in electric power transmission lines, using conventional techniques, computational intelligence and digital signal processing techniques have been proposed, intensively, on literature in the last three decades. These methods have improved the process of characterization of faults in various aspects. However, even the methods based on Wavelet Transform (WT), Artificial Neural Networks (ANN) and other techniques derived from smart Computing, do not have convenient and systematic way treaty faults in transmission systems whose data are contaminated by noise. Based on this evidence, this paper proposes a combination of methods using Independent Component Analysis (ICA), the Theory of the Travelling Waves (TTW) and Support Vector Machine (SVM) effective approaches to extracting characteristics of transient signals of fault even before signs considerably contaminated by noise. The approach was applied to locate and recognize faults in a transmission line 500 kV high voltage that connects the substation of President Dutra - MA to the substation of Boa Esperança - PI. The experiment was carried out for different types of faults that have occurred in different locations. The use of these methods applied to a real transmission line model has proven that the proposed methods, in combination, result in superior performance on location and classification of faults. The obtained errors are less than 1% to the location and accuracy of 100% for the classification of faults with noise. The proposed approach has shown performance best when compared to major conventional techniques, as well as when compared to techniques using Artificial Neural Networks and other computational intelligence techniques / Vários métodos para localização e classificação de faltas em linhas de transmissão energia elétrica, utilizando técnicas convencionais, inteligência computacional e técnicas de processamento digital de sinais têm sido propostas, de forma intensiva, na literatura nas tês últimas décadas. Esses métodos têm melhorado o processo de caracterização das faltas em vários aspectos. No entanto, mesmo os métodos baseados em Transformada Wavelet (TW), Redes Neurais Artificiais (RNA) e outras técnicas advindas da computação inteligente, não têm tratado de forma conveniente e sistemática as faltas em sistemas de transmissão cujos dados são contaminados por ruído. Partindo desta evidência, este trabalho propõe combinações de métodos que utilizam a Análise de Componentes Independentes (ACI), a Teoria das Ondas Viajantes (TOV) e Máquina de Vetores de Suporte (MVS) em abordagens eficientes para a extração de características dos sinais transitórios de falta mesmo diante de sinais consideravelmente contaminados por ruído. A abordagem foi aplicada para localizar e reconhecer as faltas, em uma linha de transmissão de alta tensão de 500 kV que interliga a subestação de Presidente Dutra - Ma à subestação de Boa Esperança -PI. O experimento foi realizado para diferentes tipos de faltas que ocorrem em diferentes localizações. A utilização destes métodos aplicados a um modelo real de linha de transmissão tem comprovado que os métodos propostos, de forma combinada, resultam em desempenho superior na localização e classificação de faltas. Os erros obtidos são inferiores a 1% para a localização com acurácia de 100% para a classificação de faltas com ruído. O desempenho da abordagem proposta tem apresentado melhores resultados quando comparados às principais técnicas convencionais, assim quando comparados às técnicas que utilizam Redes Neurais Artificiais e outras técnicas de inteligência computacional

Submitted by CÍCERO MANOEL DOS SANTOS null (ciceromanoel2007@gmail.com) on 2016-04-05T16:44:35Z No. of bitstreams: 1 Tese_FINAL.pdf: 8502485 bytes, checksum: 26494d2583b4a89dbd92a2f0a37703b8 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-04-07T19:37:27Z (GMT) No. of bitstreams: 1 santos_cm_dr_bot.pdf: 8502485 bytes, checksum: 26494d2583b4a89dbd92a2f0a37703b8 (MD5) / Made available in DSpace on 2016-04-07T19:37:27Z (GMT). No. of bitstreams: 1 santos_cm_dr_bot.pdf: 8502485 bytes, checksum: 26494d2583b4a89dbd92a2f0a37703b8 (MD5) Previous issue date: 2016-03-04 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / A irradiação direta na incidência normal (Hb) possui papel importante no manejo de culturas agrícolas, na utilização como fonte de energia renovável e na modelagem atmosférica. Apesar de sua importância em diferentes áreas, medidas pontuais de Hb não são facilmente disponíveis nos centros de pesquisas, devido ao elevado custo de exportação dos sensores e suas manutenções periódicas. Os modelos estatísticos têm sido desenvolvidos e utilizados para estimativa de Hb nos locais onde não são monitorados. Estes modelos, normalmente, utilizam a Hg como variável de entrada, pois é a variável mais comumente medida em estações solarimétricas. Os modelos estatísticos correlacionam à fração transmitida da irradiação direta na incidência normal (ktb) com transmissividade atmosférica (kt) ou com a razão de insolação (n/N). Recentemente as técnicas de Aprendizado de Máquinas foram inseridas para estimativa de Hb. Teoricamente, são técnicas que apresentam alto desempenho na estimativa de modelos e gerar valores estimados mais precisos de Hb que os modelos estatísticos. O trabalho está divido em 4 capítulos divididos da seguinte forma. Capítulo 1: Propor a utilização da técnica Máquina de Vetor de Suporte – SVM e da Redes Neurais Artificiais para estimativa de Hb e comparar com os modelos estatísticos, testando diferentes variáveis de entrada, . Capítulo 2: Comparar a SVM com os modelos estatísticos. Capítulo 3: Comparar Rede Neural Artificial – RNA com os modelos estatísticos, utilizando o algoritmo Backpropagation. Capítulo 4: Modelagem da turbidez atmosférica de Linke com Hb. A fração transmitida de Hb (ktb) é modelada para obter Hb. Para treinamento e validação dos modelos é utilizado um banco de dados de 13 anos (1996 – 2008), medidos na estação radiométrica localizada na Faculdade de Ciências Agronômicas – FCA/UNESP (22,85°S; 48,45°W e 786m). Foram testadas diferentes variáveis de entrada para verificar qual a melhor na estimava dos modelos. Os índices estatísticos: MBE, rMBE, RMSE, rRMSE, d de Willmott e o erro percentual (%) são utilizados para validar os modelos. Os modelos foram propostos e avaliados nas partições de tempo: horária e diária. Os resultados mostraram que os modelos estatísticos estimam Hb com resultados (20% ≤ rRMSE < 30%). Os modelos propostos (SVM e RNA) geram resultados melhores que os modelos estatísticos e são indicados para estimativa de Hb (rRMSE < 20%). O modelo da SVM estima Hb melhor que RNA, por isso seu uso é tido como a primeira escolha entre os modelos. / The direct irradiation at normal incidence (Hb) is an important role in the management of crops, in the use as a renewable energy source and atmospheric modeling. Despite its importance in different areas, specific measures Hb are not readily available in research centers, due to the high cost of exporting the sensors and periodic maintenance of the sensors. Statistical models have been developed and used to estimate Hb in places where they are not monitored. These models usually use the Hg as input variable, as is the variable most commonly measured in solarimetric stations. Statistical models correlate to the fraction transmitted at Hb (ktb) with atmospheric transmissivity (kt) or insolation ratio (n/N). Recently the Machine Learning techniques (ML) were inserted for estimation of Hb. Theoretically, these techniques have greater capacity to model and generate more precise values of Hb that statistical models. The work is divided into four chapters divided as follows. Chapter 1: To propose the use of Support Vector Machine (SVM) and Artificial Neural Networks (ANN) technical to estimate Hb and compare the statistical models, testing different input variables. Chapter 2: To compare the SVM with the statistical models. Chapter 3: To compare Artificial Neural Network ANN) with statistical models using the backpropagation algorithm. Chapter 4: Modeling of atmospheric turbidity Linke with Hb. The ktb is modeled for get indirectly Hb. The validation methodology of the models with typical and atypical year is adopted and evaluated. It used a database of 13 years data (1996-2008), measured in radiometric station located at the Faculty of Agricultural Sciences - FCA/UNESP (22.85° S, 48.45° W and 786m. Different input variables are tested in the models to see if the estimate is improving. The variables used are: Hb, Hg, solar insolation (n), air temperature and relative humidity the other variables were obtained by mathematical equations. Statistical indices: MBE, rMBE, RMSE, rRMSE, d Willmontt and percent error (%) are used to validate the models. The models are proposed and evaluated in time: hourly and daily partitions. The results show that the statistical models estimate Hb with acceptable results (rRMSE ≤ 20% <30%). The proposed models (SVM and ANN) generate better results than the statistical models and are suitable for estimation of Hb (rRMSE <20%). The model of SVM estimates Hb better than ANN, so its use is considered the first choice among the models. / CNPq: 140104/2013-5

Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-12-03T20:22:30Z No. of bitstreams: 1 Dissertação_Luiz_Sales_Silva.pdf: 4959512 bytes, checksum: 383643b6b730dee5b618ea14f782267d (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-12-04T12:28:16Z (GMT) No. of bitstreams: 1 Dissertação_Luiz_Sales_Silva.pdf: 4959512 bytes, checksum: 383643b6b730dee5b618ea14f782267d (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-12-04T12:35:43Z (GMT) No. of bitstreams: 1 Dissertação_Luiz_Sales_Silva.pdf: 4959512 bytes, checksum: 383643b6b730dee5b618ea14f782267d (MD5) / Made available in DSpace on 2015-12-04T12:35:43Z (GMT). No. of bitstreams: 1 Dissertação_Luiz_Sales_Silva.pdf: 4959512 bytes, checksum: 383643b6b730dee5b618ea14f782267d (MD5) Previous issue date: 2014-05-14 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / Currently, the problem of detention fiducial points on human faces has received increasing attention from the scientific community. Recently, we may find in the literature developed some systems for the purpose of performing detecçiia fiducial points. Some of these representatives use clasSifieadows SVM. One of the problems faced by this. fano approach is that the performance of SVM classifiers is extremely sensitive to change its parameters. list is a difficulty that is not trivial to exploit. In this lecture tion, we propose a fiducial points detection system, which uses SVM classifiers, in order to investigate the performance of the classifiers for con-along pre-defined parameters. With this investiwida, we intend to describe the system's behavior to the set of parameters and determine what the parameters = bination, and its values, which produces the best pos-sible performance for the branch system a whole. The proposed system is complex due to. lot of steps involved. The measured performance of the proposed system was performed. for. eleven Aduri tips: ais of. human face. two bases of image data (BiolD and End). The results demonstrate that the system performance. proposed is incremented when using the approach adopted. The system performance is satisfactory when compared with similar systems. / Atualmente, o problema da detenção de pontos fiduciais em faces humanas vem recebendo crescente atenção da comunidade científica. Recentemente, podemos encontrar na literatura alguns sistemas desenvolvidos com o objetivo de realizar a detecçiia de pontos fiduciais. Alguns destes representantes utilizam clasSifieadows SVM. Um dos problemas enfrentados por essa abordagem reside no fato de que o desempenho das clasSificadores SVM é extremamente sensível à mudança de seus parâmetros. lista é uma dificuldade que não é trivial de se explorar. Nesta dissertar ção, propomos um sistema de detecção de pontos fiduciais, que utiliza clasSificadores SVM, com o objetivo de investigar o desempenho dos classificadores para um con-junto de parâmetros pré-definidos. Com esta investiwida, pretendemos descrever o comportamento do sistema para o conjunto de parâmetros e determinar qual é a =binação de parâmetros, e de seus valores, que produz o melhor desempenho pos-sível para o sistema ramo um todo. O sistema proposta é complexo devido a. grande quantidade de etapas envolvidas. A avaliada de desempenho do sistema proposto foi realizada. para. onze pontas Aduri:ais da. face humana para. duas bases de dados de imagens (BiolD e Fim). O resultados demonstram que o desempenho do sistema. proposto é incrementado quando utilizamos a abordagem adotada. O desempenho do sistema é satisfatório quando comparado com os de sistemas similares.

Made available in DSpace on 2016-08-17T14:52:37Z (GMT). No. of bitstreams: 1 Dissertacao Suellen de Araujo Caduda da Silva Motta.pdf: 13615714 bytes, checksum: 2d717995db073f7cf237e113b96957a4 (MD5) Previous issue date: 2015-02-02 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / This work presents an automatic method for fault detection in data obtained through seismic reflection method. Identifying geological faults in seismic data is critical for better understating a geological system and planning hydrocarbon exploration. Knowing that faults are discontinuities present in seismic horizons, we propose the use of geostatistical functions which are capable of indicating the amplitude variation along the volume samples, in both predetermined distances and directions. Thus, the method is based on semivariogram, semimadogram, covariogram and correlogram functions, used as representative characteristics for the samples, which will be classified as fault or "non fault" regions by the Pattern Recognition technique named Support Vector Machine (SVM). The proposed method was validated by tests made in F3 Block, a seismic data provided by OpendTect system, with up to 92.15% sensitivity and 84.33% specificity. This work also provides an extraction of fault lines method based on region growing segmentation and morphological operators applied on the classification binary resulted volume. Also tested in F3 Block, the method was able to satisfactorily extract the faults in most of the data slices. / Este trabalho apresenta um método automático de detecção de falhas em volumes obtidos através do método de reflexão sísmica. Identificar as falhas geológicas nos dados sísmicos é importante para o conhecimento de um sistema geológico e para o planejamento da exploração de hidrocarbonetos. Sabendo-se que as falhas são descontinuidades presentes nos horizontes sísmicos, propõe-se a utilização de funções geoestatísticas capazes de indicar a variação da amplitude das amostras, em direções e distâncias predeterminadas. Assim, o método baseia-se no uso das funções semivariograma, semimadograma, covariograma e correlograma como características representativas das amostras, que serão classificadas como regiões de falha ou não falha , através da técnica clássica de Reconhecimento de Padrões conhecida como SVM (Support Vector Machine Máquina de Vetores de Suporte). O método proposto foi validado através de testes realizados com o volume F3 Block, disponibilizado pelo sistema OpendTect, apresentando até 92,15% de sensibilidade e 84,33% de especificidade. Este trabalho também apresenta um método de extração das linhas de falha baseado em crescimento de região e operadores morfológicos, a partir do volume binário resultante da classificação. Também testado sobre o F3 Block, o método foi capaz de extrair satisfatoriamente as falhas, na maioria das fatias do dado.

Este trabalho apresenta a pesquisa sobre a extração de parâmetros característicos de sinais acústicos para fins de detecção automática de vazamento de água em tubulações enterradas. Os sinais acústicos foram adquiridos com o auxílio de um geofone eletrônico e também catalogados por técnicos especialistas em detecção acústica. De todos os sinais foram extraídos os modelos de predição linear perceptual de várias ordens, determinando-se como melhor a ordem 2. A partir de um conjunto de modelos de referência de sinais de vazamento, a distância média de Itakura dos outros modelos em relação a estas referências foram calculadas. Em conjunto com estas distâncias, quatro características espectrais são também extraídas do sinal a fim de compor o vetor de parâmetros característicos do sinal. Parte destes vetores de parâmetros característicos são utilizados para treinar o classificador de máquina de vetores de suporte. O restante dos dados são, então, submetidos a este classificador que obteve a taxa de acerto de classificação em torno de 93%. Experimentos anteriores, utilizando modelos de predição linear, de ordem 10, obtiveram uma taxa de acerto em torno de 82%. Isso demonstra que estes novos parâmetros característicos propostos alcançam os objetivos deste trabalho, que são algoritmos com melhor taxa de acerto na detecção de vazamentos. / This work presents a research about feature extraction of acoustic signals for detection of water leak in buried pipes. Acoustic signals were acquired by means of an electronic geophone and also labeled by technicians specialized in acoustic water leak detection. For every signals, its linear predictive model was estimated for a range of prediction orders, concluding for the best order 2. Out of this group of models, some leaky ones are used as reference for calculating the Itakura mean distance with respect to the other models. Completing this measure, four spectral features are extracted to compose the signal feature vector. Some of these vectors were used to train a support vector machine to be used as a classifier. The remaining ones were used to evaluate the classification. The resulting accuracy rate achieved is around 93%. Earlier experiments, which use linear prediction of order 10 had an accuracy rate around 82%. This shows that this novel proposal of feature vector achieves the main goal of this research, which is the increase in the leak detection accuracy rate.

Este trabalho apresenta a pesquisa sobre a extração de parâmetros característicos de sinais acústicos para fins de detecção automática de vazamento de água em tubulações enterradas. Os sinais acústicos foram adquiridos com o auxílio de um geofone eletrônico e também catalogados por técnicos especialistas em detecção acústica. De todos os sinais foram extraídos os modelos de predição linear perceptual de várias ordens, determinando-se como melhor a ordem 2. A partir de um conjunto de modelos de referência de sinais de vazamento, a distância média de Itakura dos outros modelos em relação a estas referências foram calculadas. Em conjunto com estas distâncias, quatro características espectrais são também extraídas do sinal a fim de compor o vetor de parâmetros característicos do sinal. Parte destes vetores de parâmetros característicos são utilizados para treinar o classificador de máquina de vetores de suporte. O restante dos dados são, então, submetidos a este classificador que obteve a taxa de acerto de classificação em torno de 93%. Experimentos anteriores, utilizando modelos de predição linear, de ordem 10, obtiveram uma taxa de acerto em torno de 82%. Isso demonstra que estes novos parâmetros característicos propostos alcançam os objetivos deste trabalho, que são algoritmos com melhor taxa de acerto na detecção de vazamentos. / This work presents a research about feature extraction of acoustic signals for detection of water leak in buried pipes. Acoustic signals were acquired by means of an electronic geophone and also labeled by technicians specialized in acoustic water leak detection. For every signals, its linear predictive model was estimated for a range of prediction orders, concluding for the best order 2. Out of this group of models, some leaky ones are used as reference for calculating the Itakura mean distance with respect to the other models. Completing this measure, four spectral features are extracted to compose the signal feature vector. Some of these vectors were used to train a support vector machine to be used as a classifier. The remaining ones were used to evaluate the classification. The resulting accuracy rate achieved is around 93%. Earlier experiments, which use linear prediction of order 10 had an accuracy rate around 82%. This shows that this novel proposal of feature vector achieves the main goal of this research, which is the increase in the leak detection accuracy rate.

Submitted by Luiz Felipe Barbosa (luiz.fbabreu2@ufpe.br) on 2015-03-09T14:33:01Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) DISSERTAÇÃO Guilherme Magalhães.pdf: 2926974 bytes, checksum: 42b9985915490009da1e1c5dc2c21028 (MD5) / Made available in DSpace on 2015-03-09T14:33:01Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) DISSERTAÇÃO Guilherme Magalhães.pdf: 2926974 bytes, checksum: 42b9985915490009da1e1c5dc2c21028 (MD5) Previous issue date: 2014-08-26 / Com a grande proliferação de vídeos compartilhados na internet e o crescimento na sua utilização, cada vez mais torna-se indispensável a utilização de métodos automatizados para agrupar, analisar, indexar e buscar esses vídeos. Um dos tipos de análise de grande interesse atualmente é a análise semântica de vídeos de esportes devido as grandes possibilidades de aplicação comercial. Devido a grande diferença entre as regras e dinâmica de jogo, a abordagem mais comumente utilizada é primeiro realizar a identificação do gênero esportivo do vídeo para só então realizar uma análise semântica. Este processo é conhecido como categorização ou classificação de vídeos de esportes. A maior parte dos bancos de vídeos de esportes disponíveis para análise são compostos apenas por vídeos produzidos e transmitidos pela televisão. Neste trabalho, analisamos diversas técnicas para a classificação de vídeos de esportes e propomos uma combinação de características de cor (Autocorrelogramas) e de textura (Local Binary Patterns - LBP) para realizar a classificação do gênero esportivo em frames extraídos das sequências de vídeos. Nossa base de vídeos gerada para testes é composta por vídeos de três diferentes esportes, obtidos de fontes de diferente natureza: Vídeos capturados com equipamento profissional e transmitidos pela TV e sequências de vídeos geradas por usuários comuns através de smartphones. Esse tipo de tarefa representa um desafio porque vídeos amadores não são editados, as câmeras quase sempre se movem de maneira não-controlada e o ponto de visualização raramente é ideal. Nossa abordagem mostra uma taxa de classificação comparável com as técnicas do estado da arte quando as características são utilizadas separadas e um aprimoramento significativo quando são utilizadas de forma conjunta.

Gestos são ações que fazem parte da comunicação humana. Frequentemente, eles ocorrem junto com a fala e podem se manifestar por uma ação proposital, como o uso das mãos para explicar o formato de um objeto, ou como um padrão de comportamento, como coçar a cabeça ou ajeitar os óculos. Os gestos ajudam o locutor a construir sua fala e também ajudam o ouvinte a compreender a mensagem que está sendo transmitida. Pesquisadores de diversas áreas são interessados em entender como se dá a relação dos gestos com outros elementos do sistema linguístico, seja para suportar estudos das áreas da Linguística e da Psicolinguística, seja para melhorar a interação homem-máquina. Há diferentes linhas de estudo que exploram essa temática e entre elas está aquela que analisa os gestos a partir de fases: preparação, pré-stroke hold, stroke, pós-stroke hold, hold e retração. Assim, faz-se útil o desenvolvimento de sistemas capazes de automatizar a segmentação de um gesto em suas fases. Técnicas de aprendizado de máquina supervisionado já foram aplicadas a este problema e resultados promissores foram obtidos. Contudo, há uma dificuldade inerente à análise das fases do gesto, a qual se manifesta na alteração do contexto em que os gestos são executados. Embora existam algumas premissas básicas para definição do padrão de manifestação de cada fase do gesto, em contextos diferentes tais premissas podem sofrer variações que levariam a análise automática para um nível de alta complexidade. Este é o problema abordado neste trabalho, a qual estudou a variabilidade do padrão inerente à cada uma das fases do gesto, com apoio de aprendizado de máquina, quando a manifestação delas se dá a partir de um mesmo indivíduo, porém em diferentes contextos de produção do discurso. Os contextos de discurso considerados neste estudo são: contação de história, improvisação, descrição de cenas, entrevistas e aulas expositivas / Gestures are actions that make part of human communication. Commonly, gestures occur at the same time as the speech and they can manifest either through an intentional act, as using the hands to explain the format of an object, or as a pattern of behavior, as scratching the head or adjusting the glasses. Gestures help the speaker to build their speech and also help the audience to understand the message being communicated. Researchers from several areas are interested in understanding what the relationship of gestures with other elements of the linguistic system is like, whether in supporting studies in Linguistics or Psycho linguistics, or in improving the human-machine interaction. There are different lines of study that explore such a subject, and among them is the line that analyzes gestures according to their phases: preparation, pre-stroke hold, stroke, post-stroke hold, hold and retraction. Thus, the development of systems capable of automating the segmentation of gestures into their phases can be useful. Techniques that implement supervised machine learning have already been applied in this problem and promising results have been achieved. However, there is an inherent difficulty to the analysis of phases of gesture that is revealed when the context (in which the gestures are performed) changes. Although there are some elementary premises to set the pattern of expression of each gesture phase, such premises may vary and lead the automatic analysis to high levels of complexity. Such an issue is addressed in the work herein, whose purpose was to study the variability of the inherent pattern of each gesture phase, using machine learning techniques, when their execution is made by the same person, but in different contexts. The contexts of discourse considered in this study are: storytelling, improvisation, description of scenes, interviews and lectures

Gestos são ações que fazem parte da comunicação humana. Frequentemente, eles ocorrem junto com a fala e podem se manifestar por uma ação proposital, como o uso das mãos para explicar o formato de um objeto, ou como um padrão de comportamento, como coçar a cabeça ou ajeitar os óculos. Os gestos ajudam o locutor a construir sua fala e também ajudam o ouvinte a compreender a mensagem que está sendo transmitida. Pesquisadores de diversas áreas são interessados em entender como se dá a relação dos gestos com outros elementos do sistema linguístico, seja para suportar estudos das áreas da Linguística e da Psicolinguística, seja para melhorar a interação homem-máquina. Há diferentes linhas de estudo que exploram essa temática e entre elas está aquela que analisa os gestos a partir de fases: preparação, pré-stroke hold, stroke, pós-stroke hold, hold e retração. Assim, faz-se útil o desenvolvimento de sistemas capazes de automatizar a segmentação de um gesto em suas fases. Técnicas de aprendizado de máquina supervisionado já foram aplicadas a este problema e resultados promissores foram obtidos. Contudo, há uma dificuldade inerente à análise das fases do gesto, a qual se manifesta na alteração do contexto em que os gestos são executados. Embora existam algumas premissas básicas para definição do padrão de manifestação de cada fase do gesto, em contextos diferentes tais premissas podem sofrer variações que levariam a análise automática para um nível de alta complexidade. Este é o problema abordado neste trabalho, a qual estudou a variabilidade do padrão inerente à cada uma das fases do gesto, com apoio de aprendizado de máquina, quando a manifestação delas se dá a partir de um mesmo indivíduo, porém em diferentes contextos de produção do discurso. Os contextos de discurso considerados neste estudo são: contação de história, improvisação, descrição de cenas, entrevistas e aulas expositivas / Gestures are actions that make part of human communication. Commonly, gestures occur at the same time as the speech and they can manifest either through an intentional act, as using the hands to explain the format of an object, or as a pattern of behavior, as scratching the head or adjusting the glasses. Gestures help the speaker to build their speech and also help the audience to understand the message being communicated. Researchers from several areas are interested in understanding what the relationship of gestures with other elements of the linguistic system is like, whether in supporting studies in Linguistics or Psycho linguistics, or in improving the human-machine interaction. There are different lines of study that explore such a subject, and among them is the line that analyzes gestures according to their phases: preparation, pre-stroke hold, stroke, post-stroke hold, hold and retraction. Thus, the development of systems capable of automating the segmentation of gestures into their phases can be useful. Techniques that implement supervised machine learning have already been applied in this problem and promising results have been achieved. However, there is an inherent difficulty to the analysis of phases of gesture that is revealed when the context (in which the gestures are performed) changes. Although there are some elementary premises to set the pattern of expression of each gesture phase, such premises may vary and lead the automatic analysis to high levels of complexity. Such an issue is addressed in the work herein, whose purpose was to study the variability of the inherent pattern of each gesture phase, using machine learning techniques, when their execution is made by the same person, but in different contexts. The contexts of discourse considered in this study are: storytelling, improvisation, description of scenes, interviews and lectures

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-08-14T17:54:04Z No. of bitstreams: 1 JoaoDallysonAlmeida.pdf: 4607146 bytes, checksum: 8e76d2b2ba34e77fcc3d20c8cfa92e17 (MD5) / Made available in DSpace on 2017-08-14T17:54:05Z (GMT). No. of bitstreams: 1 JoaoDallysonAlmeida.pdf: 4607146 bytes, checksum: 8e76d2b2ba34e77fcc3d20c8cfa92e17 (MD5) Previous issue date: 2010-02-12 / Strabismus is a pathology that affects about 4% of the population causing aesthetic problems, reversible at any age, and irreversible tensorial alterations, modifying the vision mechanism. Hirschberg's test is one of the available exams to detect such pathology. Computer Aided Diagnosis and Detection Systems have been used with relative success to help health professionals. Nevertheless, the increasingly application of high technology resources to help diagnosis and therapy in ophthalmology is not a reality in the Strabismus sub-specialty. This way, the present work has the objective of introduing a methodology for automatic detection Strabismus in digital images through Hirschberg's test. For such, it is organized in four stages: finding the region of the eyes, precise location of the eyes, limb and bright, and identi cation of Strabismus The methodology presents results of 100% of sensibility, 91,3% of specificity and 94% of match in the identification of Strabismus, comproving the eficiency of the geostatistical functions in the extraction of the texture of the eyes and of the calculations of the alignment between eyes in digital images acquired from Hirschberg's test. / O estrabismo é uma patologia que afeta cerca de 4% da população provocando problemas estéticos, reversíveis a qualquer idade, e alterações sensoriais irreversíveis, modificando o mecanismo da visão. O teste de Hirschberg é um dos tipos de exames existentes para detectar tal patologia. Sistemas de Detecção e Diagnóstico auxiliados por computador (Computer Aided Detection/Diagnosis) estão sendo usados com relativo sucesso no auxílio aos profissionais de saúde. No entanto, o emprego cada vez mais rotineiro de recursos de alta tecnologia, no auxílio diagnóstico e terapêutico em oftalmologia, não é uma realidade dentro da subespecialidade estrabismo. Sendo assim, o presente trabalho tem como objetivo apresentar uma metodologia para detectar automaticamente o estrabismo em imagens digitais através do teste de Hirschberg. Para tal, o estudo está organizado em quatro fases: localização da região dos olhos, localização precisa dos olhos, localização do limbo e do brilho, e identificação do estrabismo. A metodologia apresenta resultados de 100% de sensibilidade, 91,3% de especificidade e 94% de acerto na identificação do estrabismo comprovando a eficiência das funções geoestatísticas na extração de textura dos olhos e do cálculo da alinhamento entre os olhos em imagens digitais adquiridas a partir do teste de Hirschberg.