IMPORTADOS
· Diversos
LIVROS TÉCNICOS
· Administração
· Agronomia - Agricultura
· Biologia - Ecologia
· Ciências da Saúde
· Direito
· Diversos
· Engenharia Ambiental
· Engenharia Civil
· Engenharia de Alimentos
· Engenharia Florestal
· Entomologia
· Estatística
· Fisiologia Vegetal
· Fitopatologia
· Geologia
· Geoprocessamento
· Irrigação - Hidráulica
· Medicina Veterinária
· Nutrição
· Química
· Técnicas de Pesquisa - Estudos
· Zootecnia
 




TECNOLOGIA DE ALIMENTOS Vol. 1
R$ 109,00


  LIVROS TÉCNICOS >>> Geoprocessamento
 
PROCESSAMENTO DE IMAGENS DIGITAIS: métodos multivariados em java
 
PROCESSAMENTO DE IMAGENS DIGITAIS: métodos multivariados em java     
De:   
 R$ 40,00
Por: R$ 30,00 
 
Economize:   R$ 10,00

   
   
   

Clique na imagem para ampliá-la
Descrição
Este livro é dedicado ao estudo e aplicação de métodos multivariados em imagens digitais, tanto em imagens multiespectrais de satélites como em imagens coloridas geradas em laboratórios. Todos os algoritmos encontrados no livro estão devidamente programados na linguagem de programação Java.

O livro é composto de três partes: a primeira é motivacional, com dois capítulos; um cobre o uso de técnicas multivariadas em imagens digitais multibandas e o segundo apresenta as classes Java usadas no livro. A segunda parte, com três capítulos, cobre fundamentos, como o estudo de álgebra de matrizes, estatística uni, bi e multivariada e métricas de similaridade. A terceira parte, com sete capítulos, estuda vários métodos multivariados aplicados na análise de imagens digitais multibandas ou multiespectrais. São objeto desse estudo a análise de componentes principais, análise de agrupamentos com os métodos heurístico, k-médias, fuzzy c-médias, distância mínima da média, paralelepípedo e máxima verossimilhança. E um dos métodos mais divulgados ultimamente na comunidade de processamento de imagens, o de rede de neurônios artificiais.

Parte 1 - Motivação – 19

Capítulo 1 - Métodos multivariados – 23
1.1. Introdução – 23
1.2. Técnicas multivariadas – 27
1.3. Organizando os dados – 30
1.4. Onde encontrar o código fonte – 32

Capítulo 2 - Classes Java usadas no livro – 33
2.1. Programação orientada a objetos e a linguagem Java – 33
2.2. Classe e objetos – 35
2.3. Subclasses e herança – 42
2.4. Encapsulamento e atributos escondidos – 45
2.5. Classes abstratas e interfaces – 46
2.5.1. Classes abstratas – 46
2.5.2. Interfaces – 48
2.6. Classe e objeto na prática - criando a classe Imagem – 52
2.7. APIs Java usadas – 58
2.7.1. API JfreeChart – 58
2.7.2. API GeoTools – 59
2.7.3. API de álgebra linear - JAMA – 59
2.7.4. API ANNeF – 60

Parte 2 - Fundamentos – 61

Capítulo 3 - Álgebra de matrizes – 65
3.1. Vetores – 65
3.2. Matrizes – 70
3.3. Tipos de matrizes – 72
3.3.1. Matriz quadrada – 72
3.3.2. Matriz nula – 72
3.3.3. Matriz coluna – 73
3.3.4. Matriz linha – 73
3.3.5. Matriz diagonal – 73
3.3.6. Matriz identidade – 74
3.3.7. Matriz triangular superior – 74
3.3.8. Matriz triangular inferior – 74
3.3.9. Matriz simétrica – 75
3.3.10. Traço de uma matriz – 75
3.4. Operações com matrizes – 75
3.4.1. Operações aritméticas de soma e subtração com matrizes – 75
3.4.2. Multiplicação de matriz por escalar – 76
3.4.3. Transposta de uma matriz – 77
3.4.4. Multiplicação de matrizes – 78
3.4.5. Inversão de matrizes – 79
3.5. Autovalores e autovetores de uma matriz quadrada – 80

Capítulo 4 - Estatística univariada, bivariada e multivariada para imagens digitais – 93
4.1. Introdução – 93
4.2. Momentos de uma distribuição – 93
4.3. Estatística de ordem – 100
4.3.1. Mediana – 101
4.3.2. Valores máximos e mínimos – 102
4.3.3. Intervalo – 102
4.3.4. Ponto médio – 103
4.3.5. Desvio extremo – 103
4.4. Estatística bivariada – 104
4.4.1. Correlação linear de Pearson – 104
4.4.2. Modelo de regressão linear – 108
4.5. Regressão múltipla – 116
4.6. Estatística descritiva de dados multivariados – 123
4.7. Técnicas gráficas (Análise exploratória de dados) – 129

Capítulo 5 - Métricas de similaridade – 133
5.1. Introdução – 133
5.2. Medidas de similaridade – 134
5.2.1. Medidas de correlação – 136
5.2.2. Medidas de distância – 136
5.2.3. Medidas de associação – 142
5.3. Distância estatística – 142
5.4. Outras distâncias – 146
5.4.1. Distância de Mahalanobis – 146
5.4.2. Distância de Minkowski – 149
5.4.3. Distância de Bhattacharyya e seu uso na extração de atributos – 149
5.4.4. Distância de Jeffreys-Matusita (JM) – 151
5.5. Padronização dos dados – 151
5.6. Resumo das métricas – 152

Parte 3 - Métodos Multivariados – 155

Capítulo 6 - Análise de componentes principais – 161
6.1. Introdução – 161
6.2. Conceitos básicos de ACP – 163
6.3. Componentes principais obtidas de variáveis uniformizadas – 167
6.4. Aplicação de ACP no domínio espectral das imagens de satélite – 169
6.5. Aplicação de ACP no domínio temporal das imagens de satélite – 182

Capítulo 7 - Análise de agrupamentos – 183
7.1. Introdução – 183
7.2. O procedimento de agrupamento – 186
7.2.1. Definir os objetivos da pesquisa – 187
7.2.2. Fazer o projeto de pesquisa – 187
7.2.3. Suposições na análise de agrupamento – 188
7.2.4. Selecionando o algoritmo de agrupamento – 189
7.2.5. Interpretação dos grupos – 192
7.2.6. Validação dos grupos – 193
7.3. Definições e notações – 193
7.4. Técnicas de agrupamento – 197
7.5. Algoritmos de particionamento de grupos - o método heurístico – 200

Capítulo 8 - Método k-médias – 205
8.1. Introdução – 205
8.2. Método de agrupamento do erro quadrático – 208
8.3. O algoritmo k-médias – 209
8.4. Exemplos e aplicações – 215
8.5. Avaliando a precisão do mapa de classificação – 219

Capítulo 9 - Método fuzzy c-médias (FCM) – 225
9.1. Introdução – 225
9.2. Teoria dos conjuntos difusos – 228
9.3. Princípios para a aplicação da regra difusa – 234
9.3.1. Difusividade – 235
9.3.2. Inferência – 241
9.3.3. De-difusividade (”Defuzzification“) – 244
9.4. Classificando com a regra difusa – 247
9.5. O método fuzzy c-médias (FCM) – 253
9.6. Classificação difusa: resumo – 262

Capítulo 10 - Métodos da distância mínima da média e do paralelepípedo – 269
10.1. Introdução aos métodos de classificação supervisionada – 269
10.2. Esquema de classificação de cobertura/uso do solo – 271
10.3. Seleção de áreas de treinamento – 273
10.4. Observações práticas para a classificação supervisionada – 276
10.4.1. Delimitação da área de treinamento – 276
10.4.2. Extração das assinaturas espectrais – 277
10.4.3. Classificação da imagem – 281
10.5. O algoritmo de classificação da distância mínima da média – 282
10.6. O método do paralelepípedo – 294

Capítulo 11 - Método da máxima verossimilhança – 301
11.1. Introdução – 301
11.2. Axiomas da probabilidade – 303
11.3. Teoria da decisão Bayesiana – 307
11.4. O algoritmo maxver – 309
11.5. Exemplo – 315
11.6. A implementação do maxver – 319

Capítulo 12 - Métodos usando redes de neurônios artificiais – 323
12.1. Introdução – 323
12.2. Perceptron - modelando um neurônio – 325
12.3. Treinamento e aprendizado de uma rede de neurônios artificiais – 331
12.4. Perceptron multicamadas – 348
12.5. O algoritmo da retropropagação – 359
12.6. Aplicação – 360
12.7. Outros modelos de redes de neurônios artificiais – 380
12.7.1. Mapas auto-organizáveis de Kohonen - ”self organizing maps“ (SOM) – 381
12.7.2. Rede de Hopfield – 385
12.7.3. Teoria da ressonância adaptativa - ”adaptive resonance theory“ (ART) – 387

Referências – 389

Índice remissivo – 395

Autor: José Iguelmar Miranda
Ano: 2011
Número de Páginas: 400
Tamanho: 16,5 x 23 cm
Editora: Embrapa
Acabamento: Brochura
ISBN: 978-85-86168-02-4
Prazo de entrega
Prazo de entrega: Sedex de 03 a 05 dias úteis e PAC de 05 a 15 dias úteis
Indique este produto
 
Voltar
vazio

FARMACOLOGIA E TERAPÊUTICA EM VETERINÁRIA
R$ 897,00
GENÉTICA NA AGROPECUÁRIA
R$ 195,00
NUTRIÇÃO E ADUBAÇÃO DE PASTAGENS
R$ 83,00
MICROBIOLOGIA: fundamentos e perspectivas
R$ 462,00

Ver Todas as Novidades
——————————————————————————————

CNPJ: 96.631.353/0001-69 - Email: pldlivros@uol.com.br - Fone/Fax (19) 3421 7436 - Fone: 3423 3961 - Piracicaba/SP

Formas de Pagamento
—————————————————————————————
Política de Privacidade. ©2008, Revendas de Livros Técnicos. Todos os direitos reservados