Made available in DSpace on 2014-12-17T14:55:20Z (GMT). No. of bitstreams: 1 WellingtonCA_TESE.pdf: 18781841 bytes, checksum: b90b2dc122e8dc0104d520bb5337a506 (MD5) Previous issue date: 2014-03-17 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / As superf?cies seletivas de frequ?ncia (FSS) t?m sido objeto de intensa pesquisa nas duas ?ltimas d?cadas, sendo utilizadas em diversas aplica??es que v?o desde sistemas de micro-ondas e antenas at? aplica??es em radomes e comunica??es via sat?lite. Uma superf?cie seletiva de freq??ncia ? um arranjo peri?dico que se constitui de elementos tipo patch ou abertura, ou mesmo por uma combina??o de ambos, e exibe reflex?o ou transmiss?o total na freq??ncia ressonante, se comportando dessa maneira como um filtro rejeita-faixa ou passa-faixa. Neste trabalho ? realizada uma investiga??o num?rica e experimental, consistindo do projeto, simula??o computacional, constru??o e medi??o de estruturas de FSS. Esta FSS ? estudada experimentalmente e suas caracter?sticas eletromagn?ticas s?o medidas e simuladas atrav?s de programas de computador, equipamentos e t?cnicas de otimiza??o. Estas estruturas s?o bastante complexas requerendo uma an?lise por t?cnicas de onda completa, como o m?todo das diferen?as finitas no dom?nio do tempo ou m?todo dos elementos finitos. Para superar os custos computacionais e de tempo das t?cnicas de onda completa, podem ser utilizadas como alternativa as t?cnicas de computa??o natural. Algumas caracter?sticas como robustez, generaliza??o, adaptabilidade e r?pida converg?ncia contribuem para o aumento significativo do emprego destas t?cnicas em aplica??es na ?rea de comunica??es moveis. A modelagem das FSS citadas ? realizada com redes neurais artificiais de m?ltiplas camadas, com o algoritmo de Levenberg-Marquardt para aprendizagem e treinamento. Os modelos neurocomputacionais desenvolvidos para as FSS proveem excelentes resultados e em concord?ncia com valores obtidos atrav?s de medi??es em laborat?rio. A necessidade de estruturas com comportamento eletromagn?tico adequado em dispositivos de micro-ondas tem sido bastante estudada pelos pesquisadores da ?rea. Essas estruturas requerem, em sua an?lise de caracter?sticas espectrais, t?cnicas rigorosas e elevada complexidade computacional em sua implementa??o. O objetivo desse trabalho consiste no projeto de FSSs atrav?s de redes neurais artificiais e outros algoritmos de computa??o natural selecionados, com aplica??es na faixa de micro-ondas. A precis?o dessa t?cnica ? realizada experimentalmente e comparada com simula??es efetuadas pelos softwares comerciais Ansoft Designer e Ansoft HFSS, utilizados na an?lise num?rica do comportamento eletromagn?tico das FSSs atrav?s do M?todo dos Momentos (MoM) e do M?todo dos Elementos Finitos (FEM), respectivamente. Nesta tese um estudo bibliogr?fico em teoria de FSSs ? realizado, bem como o estudo das redes neurais artificiais, algoritmos gen?ticos e outros algoritmos de otimiza??o natural. Este estudo analisa tamb?m a solu??o da arquitetura de rede adequada aos projetos, algoritmos de treinamento, par?metros dos algoritmos como n?mero de neur?nios nas camadas e quantidade de camadas das redes, bem como os par?metros e fun??es adequadas para os algoritmos de otimiza??o

Made available in DSpace on 2014-12-17T14:55:35Z (GMT). No. of bitstreams: 1 JacksonGS.pdf: 1963039 bytes, checksum: ed3464892d7bb73b5dcab563e42f0e01 (MD5) Previous issue date: 2009-09-28 / Image segmentation is one of the image processing problems that deserves special attention from the scientific community. This work studies unsupervised methods to clustering and pattern recognition applicable to medical image segmentation. Natural Computing based methods have shown very attractive in such tasks and are studied here as a way to verify it's applicability in medical image segmentation. This work treats to implement the following methods: GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm), PSOKA (PSO and K-means based Clustering Algorithm) and PSOFCM (PSO and FCM based Clustering Algorithm). Besides, as a way to evaluate the results given by the algorithms, clustering validity indexes are used as quantitative measure. Visual and qualitative evaluations are realized also, mainly using data given by the BrainWeb brain simulator as ground truth / Segmenta??o de imagens ? um dos problemas de processamento de imagens que merece especial interesse da comunidade cient?fica. Neste trabalho, s?o estudado m?todos n?o-supervisionados para detec??o de algomerados (clustering) e reconhecimento de padr?es (pattern recognition) em segmenta??o de imagens m?dicas M?todos baseados em t?cnicas de computa??o natural t?m se mostrado bastante atrativos nestas tarefas e s?o estudados aqui como uma forma de verificar a sua aplicabilidade em segmenta??o de imagens m?dicas. Este trabalho trata de implementa os m?todos GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm) PSOKA (Algoritmo de clustering baseado em PSO (Particle Swarm Optimization) e K means) e PSOFCM (Algoritmo de clustering baseado em PSO e FCM (Fuzzy C Means)). Al?m disso, como forma de avaliar os resultados fornecidos pelos algoritmos s?o utilizados ?ndices de valida??o de clustering como forma de medida quantitativa Avalia??es visuais e qualitativas tamb?m s?o realizadas, principalmente utilizando dados do sistema BrainWeb, um gerador de imagens do c?rebro, como ground truth