Thesis (M.A.)--University of Hong Kong, 1989.

Thesis (Ph. D.)--University of Wisconsin--Madison, 1956. / Typescript. Vita. eContent provider-neutral record in process. Description based on print version record. Includes bibliographical references (leaves 532-544).

Zugl.: Giessen, Univ., Diss., 2009

Thesis (M.SocSc. (Psychology)) - Rhodes University, 2000. / Submitted in partial fulfillment of the requirements for the degree of Master of Social Science (Clinical psychology)

Thesis (Ph. D.)--Florida State University, 2005. / Advisor: Neil Jumonville, Florida State University, College of Arts and Sciences, Dept. of History. Title and description from dissertation home page (viewed Jan. 25, 2006). Document formatted into pages; contains vi, 93 pages. Includes bibliographical references.

Thesis (Ph. D.)--University of Wisconsin--Madison, 1972. / Typescript. Vita. Description based on print version record. Includes bibliographical references (leaves 433-445).

Thesis (Ph.D.)--McMaster University, 2003. / Advisor: Carl Cuneo. Includes bibliographical references (leaves 219-229). Also available via World Wide Web.

Thesis (Ph. D.)--University of Wisconsin--Madison, 1956. / Typescript. Vita. Title from title screen (viewed May 9, 2006). Includes bibliographical references (leaves 532-544). Online version of the print original.

A new progressive lossy-to-lossless coding method for arbitrarily-connected triangle mesh models of bivariate functions is proposed. The algorithm employs a novel representation of a mesh dataset called a bivariate-function description (BFD) tree, and codes the tree in an efficient manner. The proposed coder yields a particularly compact description of the mesh connectivity by only coding the constrained edges that are not locally preferred Delaunay (locally PD). Experimental results show our method to be vastly superior to previously-proposed coding frameworks for both lossless and progressive coding performance. For lossless coding performance, the proposed method produces the coded bitstreams that are 27.3% and 68.1% smaller than those generated by the Edgebreaker and Wavemesh methods, respectively. The progressive coding performance is measured in terms of the PSNR of function reconstructions generated from the meshes decoded at intermediate stages. The experimental results show that the function approximations obtained with the proposed approach are vastly superior to those yielded with the image tree (IT) method, the scattered data coding (SDC) method, the average-difference image tree (ADIT) method, and the Wavemesh method with an average improvement of 4.70 dB, 10.06 dB, 2.92 dB, and 10.19 dB in PSNR, respectively. The proposed coding approach can also be combined with a mesh generator to form a highly effective mesh-based image coding system, which is evaluated by comparing to the popular JPEG2000 codec for images that are nearly piecewise smooth. The images are compressed with the mesh-based image coder and the JPEG2000 codec at the fixed compression rates and the quality of the resulting reconstructions are measured in terms of PSNR. The images obtained with our method are shown to have a better quality than those produced by the JPEG2000 codec, with an average improvement of 3.46 dB. / Graduate

Magíster en Gestión de Operaciones. Ingeniero Civil Industrial / El presente trabajo, trata sobre metodologías de resolución de problemas estocásticos multi-etapa. El objetivo es comparar el algoritmo Stochastic Dual Dynamic Programming (SDDP), con la metodología Progressive Hedging (PH). La diferencia entre metodologías radica en que SDDP corresponde a un algoritmo de descomposición vertical o por períodos, mientras que PH representa una metodología de descomposición horizontal o por escenarios. El estudio se desarrolla en el contexto eléctrico chileno, caracterizado por una red eléctrica compuesta por generadores, demandas y líneas de transmisión. Además de una red hídrica; en la que se modelan todos los generadores hidroeléctricos, flujos hídricos y capacidades de almacenamiento. Para realizar las pruebas, se utilizan instancias de distintos tamaños y horizontes de planificación, bajo el supuesto uninodal (todas las centrales eléctricas y demandas, conectadas a un mismo nodo) y multinodal. Las metodologías fueron testeadas mediante un árbol en común. Los resultados muestran que en general, SDDP presenta tiempos de ejecución mucho menores, atribuibles principalmente al lenguaje de ejecución (Fortran vs Python). En cuanto a la exactitud de la solución, PH muestra un mejor desempeño, con diferencias poco significantes. Un segundo estudio, es la confrontación de generadores de árboles de escenarios. Se compara la metodología actual (nombrada PLP), con dos generadores desarrollados íntegramente en esta investigación. Estas metodologías se basan en probabilidades condicionales por período, y llevan el nombre de Synth y NSG, que corresponden a generación de escenarios sintéticos e históricos, respectivamente. Una de las ventajas de estas metodologías es que consideran tanto la correlación espacial, como la correlación temporal. Bajo escenarios extremos, Synth muestra los menores costos operativos en un 60% de las pruebas realizadas, obteniendo costos comparativos hasta un 7% menores. Por otro lado, bajo escenarios promedios, existe un desempeño muy parecido entre los generadores Synth y PLP, donde PLP muestra mayores ahorros comparativos.