Página 1 dos resultados de 59443 itens digitais encontrados em 0.018 segundos

‣ Interactive Vector Field Feature Identification

II, Joel Daniels; ANDERSON, Erik W.; NONATO, Luis Gustavo; SILVA, Claudio T.
Fonte: IEEE COMPUTER SOC Publicador: IEEE COMPUTER SOC
Tipo: Artigo de Revista Científica
Português
Relevância na Pesquisa
36.32009%
We introduce a flexible technique for interactive exploration of vector field data through classification derived from user-specified feature templates. Our method is founded on the observation that, while similar features within the vector field may be spatially disparate, they share similar neighborhood characteristics. Users generate feature-based visualizations by interactively highlighting well-accepted and domain specific representative feature points. Feature exploration begins with the computation of attributes that describe the neighborhood of each sample within the input vector field. Compilation of these attributes forms a representation of the vector field samples in the attribute space. We project the attribute points onto the canonical 2D plane to enable interactive exploration of the vector field using a painting interface. The projection encodes the similarities between vector field points within the distances computed between their associated attribute points. The proposed method is performed at interactive rates for enhanced user experience and is completely flexible as showcased by the simultaneous identification of diverse feature types.; Fapesp-Brazil[2008/03349-6]; Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP); CNPq-NSF[491034/2008-3]; U.S. National Science Foundation (NSF); Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq); NSF[IIS-0905385]; U.S. National Science Foundation (NSF); U.S. National Science Foundation (NSF); NSF[IIS-0844546]; NSF[CNS-0855167]; U.S. National Science Foundation (NSF); NSF[IIS-0746500]; U.S. National Science Foundation (NSF); NSF[ATM-0835821]; U.S. National Science Foundation (NSF); U.S. National Science Foundation (NSF); NSF[CNS-0751152]; U.S. National Science Foundation (NSF); NSF[IIS-0713637]; U.S. National Science Foundation (NSF); NSF[OCE-0424602]; U.S. National Science Foundation (NSF); NSF[IIS-0534628]; NSF[CNS-0514485]; U.S. National Science Foundation (NSF); U.S. National Science Foundation (NSF); NSF[IIS-0513692]; U.S. National Science Foundation (NSF); NSF[CNS-0524096]; U.S. Department of Energy (DOE); US Department of Energy (DOE)...

‣ Feature-oriented regional modeling and simulations (FORMS) for the western South Atlantic: Southeastern Brazil region

CALADO, L.; GANGOPADHYAY, A.; SILVEIRA, I. C. A. da
Fonte: ELSEVIER SCI LTD Publicador: ELSEVIER SCI LTD
Tipo: Artigo de Revista Científica
Português
Relevância na Pesquisa
36.344688%
The multi-scale synoptic circulation system in the southeastern Brazil (SEBRA) region is presented using a feature-oriented approach. Prevalent synoptic circulation structures, or ""features,"" are identified from previous observational studies. These features include the southward-flowing Brazil Current (BC), the eddies off Cabo Sao Tome (CST - 22 degrees S) and off Cabo Frio (CF - 23 degrees S), and the upwelling region off CF and CST. Their synoptic water-mass (T-S) structures are characterized and parameterized to develop temperature-salinity (T-S) feature models. Following [Gangopadhyay, A., Robinson, A.R., Haley, PJ., Leslie, W.J., Lozano, C.j., Bisagni, J., Yu, Z., 2003. Feature-oriented regional modeling and simulation (forms) in the gulf of maine and georges bank. Cont. Shelf Res. 23 (3-4), 317-353] methodology, a synoptic initialization scheme for feature-oriented regional modeling and simulation (FORMS) of the circulation in this region is then developed. First, the temperature and salinity feature-model profiles are placed on a regional circulation template and objectively analyzed with available background climatology in the deep region. These initialization fields are then used for dynamical simulations via the Princeton Ocean Model (POM). A few first applications of this methodology are presented in this paper. These include the BC meandering...

‣ Label construction for multi-label feature selection

Spolaôr, Newton; Monard, Maria Carolina; Tsoumakas, Grigorios; Lee, Huei Diana
Fonte: Universidade de São Paulo - USP; Universidade Federal de São Carlos - UFSCar; Centro de Robótica de São Carlos - CROB; Sociedade Brasileira de Computação - SBC; Sociedade Brasileira de Automática - SBA; São Carlos Publicador: Universidade de São Paulo - USP; Universidade Federal de São Carlos - UFSCar; Centro de Robótica de São Carlos - CROB; Sociedade Brasileira de Computação - SBC; Sociedade Brasileira de Automática - SBA; São Carlos
Tipo: Conferência ou Objeto de Conferência
Português
Relevância na Pesquisa
36.32009%
Multi-label learning handles datasets where each instance is associated with multiple labels, which are often correlated. As other machine learning tasks, multi-label learning also suffers from the curse of dimensionality, which can be mitigated by dimensionality reduction tasks, such as feature selection. The standard approach for multi-label feature selection transforms the multi-label dataset into single-label datasets before using traditional feature selection algorithms. However, this approach often ignores label dependence. This work proposes an alternative method, LCFS, which constructs new labels based on relations between the original labels to augment the label set of the original dataset. Afterwards, the augmented dataset is submitted to the standard multi-label feature selection approach. Experiments using Information Gain as a measure to evaluate features were carried out in 10 multi-label benchmark datasets. For each dataset, the quality of the features selected was assessed by the quality of the classifiers built using the features selected by the standard approach in the original dataset, as well as in the dataset constructed by four LCFS settings. The results show that setting LCFS with simple strategies using pairs of labels gives rise to better classifiers than the ones built using the standard approach in the original dataset. Moreover...

‣ "Abordagem genética para seleção de um conjunto reduzido de características para construção de ensembles de redes neurais: aplicação à língua eletrônica" ; A genetic approach to feature subset selection for construction of neural network ensembles: an application to gustative sensors

Ferreira, Ednaldo José
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 10/08/2005 Português
Relevância na Pesquisa
36.364463%
As características irrelevantes, presentes em bases de dados de diversos domínios, deterioram a acurácia de predição de classificadores induzidos por algoritmos de aprendizado de máquina. As bases de dados geradas por uma língua eletrônica são exemplos típicos onde a demasiada quantidade de características irrelevantes e redundantes prejudicam a acurácia dos classificadores induzidos. Para lidar com este problema, duas abordagens podem ser utilizadas. A primeira é a utilização de métodos para seleção de subconjuntos de características. A segunda abordagem é por meio de ensemble de classificadores. Um ensemble deve ser constituído por classificadores diversos e acurados. Uma forma efetiva para construção de ensembles de classificadores é por meio de seleção de características. A seleção de características para ensemble tem o objetivo adicional de encontrar subconjuntos de características que promovam acurácia e diversidade de predição nos classificadores do ensemble. Algoritmos genéticos são técnicas promissoras para seleção de características para ensemble. No entanto, a busca genética, assim como outras estratégias de busca, geralmente visam somente a construção do ensemble, permitindo que todas as características (relevantes...

‣ Avaliação de métodos ótimos e subótimos de seleção de características de texturas em imagens; Evaluation of optimal and suboptimal feature selection methods applied to image textures

Roncatti, Marco Aurelio
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 10/07/2008 Português
Relevância na Pesquisa
36.344688%
Características de texturas atuam como bons descritores de imagens e podem ser empregadas em diversos problemas, como classificação e segmentação. Porém, quando o número de características é muito elevado, o reconhecimento de padrões pode ser prejudicado. A seleção de características contribui para a solução desse problema, podendo ser empregada tanto para redução da dimensionalidade como também para descobrir quais as melhores características de texturas para o tipo de imagem analisada. O objetivo deste trabalho é avaliar métodos ótimos e subótimos de seleção de características em problemas que envolvem texturas de imagens. Os algoritmos de seleção avaliados foram o branch and bound, a busca exaustiva e o sequential oating forward selection (SFFS). As funções critério empregadas na seleção foram a distância de Jeffries-Matusita e a taxa de acerto do classificador de distância mínima (CDM). As características de texturas empregadas nos experimentos foram obtidas com estatísticas de primeira ordem, matrizes de co-ocorrência e filtros de Gabor. Os experimentos realizados foram a classificação de regiôes de uma foto aérea de plantação de eucalipto, a segmentação não-supervisionada de mosaicos de texturas de Brodatz e a segmentação supervisionada de imagens médicas (MRI do cérebro). O branch and bound é um algoritmo ótimo e mais efiiente do que a busca exaustiva na maioria dos casos. Porém...

‣ Avaliação de métodos não-supervisionados de seleção de atributos para mineração de textos; Evaluation of unsupervised feature selection methods for Text Mining

Nogueira, Bruno Magalhães
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 27/03/2009 Português
Relevância na Pesquisa
36.344688%
Selecionar atributos é, por vezes, uma atividade necessária para o correto desenvolvimento de tarefas de aprendizado de máquina. Em Mineração de Textos, reduzir o número de atributos em uma base de textos é essencial para a eficácia do processo e a compreensibilidade do conhecimento extraído, uma vez que se lida com espaços de alta dimensionalidade e esparsos. Quando se lida com contextos nos quais a coleção de textos é não-rotulada, métodos não-supervisionados de redução de atributos são utilizados. No entanto, não existe forma geral predefinida para a obtenção de medidas de utilidade de atributos em métodos não-supervisionados, demandando um esforço maior em sua realização. Assim, este trabalho aborda a seleção não-supervisionada de atributos por meio de um estudo exploratório de métodos dessa natureza, comparando a eficácia de cada um deles na redução do número de atributos em aplicações de Mineração de Textos. Dez métodos são comparados - Ranking porTerm Frequency, Ranking por Document Frequency, Term Frequency-Inverse Document Frequency, Term Contribution, Term Variance, Term Variance Quality, Método de Luhn, Método LuhnDF, Método de Salton e Zone-Scored Term Frequency - sendo dois deles aqui propostos - Método LuhnDF e Zone-Scored Term Frequency. A avaliação se dá em dois focos...

‣ Seleção de características apoiada por mineração visual de dados; Feature selection supported by visual data mining

Botelho, Glenda Michele
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 17/02/2011 Português
Relevância na Pesquisa
36.380706%
Devido ao crescimento do volume de imagens e, consequentemente, da grande quantidade e complexidade das características que as representam, surge a necessidade de selecionar características mais relevantes que minimizam os problemas causados pela alta dimensionalidade e correlação e que melhoram a eficiência e a eficácia das atividades que utilizarão o conjunto de dados. Existem diversos métodos tradicionais de seleção que se baseiam em análises estatísticas dos dados ou em redes neurais artificiais. Este trabalho propõe a inclusão de técnicas de mineração visual de dados, particularmente, projeção de dados multidimensionais, para apoiar o processo de seleção. Projeção de dados busca mapear dados de um espaço m-dimensional em um espaço p-dimensional, p < m e geralmente igual a 2 ou 3, preservando ao máximo as relações de distância existentes entre os dados. Tradicionalmente, cada imagem é representada por um ponto e pontos projetados próximos uns aos outros indicam agrupamentos de imagens que compartilham as mesmas propriedades. No entanto, este trabalho propõe a projeção de características. Dessa forma, ao selecionarmos apenas algumas amostras de cada agrupamento da projeção, teremos um subconjunto de características...

‣ Seleção de características por meio de algoritmos genéticos para aprimoramento de rankings e de modelos de classificação; Feature selection by genetic algorithms to improve ranking and classification models

Silva, Sérgio Francisco da
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 25/04/2011 Português
Relevância na Pesquisa
36.394287%
Sistemas de recuperação de imagens por conteúdo (Content-based image retrieval { CBIR) e de classificação dependem fortemente de vetores de características que são extraídos das imagens considerando critérios visuais específicos. É comum que o tamanho dos vetores de características seja da ordem de centenas de elementos. Conforme se aumenta o tamanho (dimensionalidade) do vetor de características, também se aumentam os graus de irrelevâncias e redundâncias, levando ao problema da "maldição da dimensionalidade". Desse modo, a seleção das características relevantes é um passo primordial para o bom funcionamento de sistemas CBIR e de classificação. Nesta tese são apresentados novos métodos de seleção de características baseados em algoritmos genéticos (do inglês genetic algorithms - GA), visando o aprimoramento de consultas por similaridade e modelos de classificação. A família Fc ("Fitness coach") de funções de avaliação proposta vale-se de funções de avaliação de ranking, para desenvolver uma nova abordagem de seleção de características baseada em GA que visa aprimorar a acurácia de sistemas CBIR. A habilidade de busca de GA considerando os critérios de avaliação propostos (família Fc) trouxe uma melhora de precisão de consultas por similaridade de até 22% quando comparado com métodos wrapper tradicionais para seleção de características baseados em decision-trees (C4.5)...

‣ Seleção supervisionada de características por ranking para processar consultas por similaridade em imagens médicas; Supervised feature selection by ranking to process similarity queries in medical images

Mamani, Gabriel Efrain Humpire
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 05/12/2012 Português
Relevância na Pesquisa
36.394287%
Obter uma representação sucinta e representativa de imagens médicas é um desafio que tem sido perseguido por pesquisadores da área de processamento de imagens médicas com o propósito de apoiar o diagnóstico auxiliado por computador (Computer Aided Diagnosis - CAD). Os sistemas CAD utilizam algoritmos de extração de características para representar imagens, assim, diferentes extratores podem ser avaliados. No entanto, as imagens médicas contêm estruturas internas que são importantes para a identificação de tecidos, órgãos, malformações ou doenças. É usual que um grande número de características sejam extraídas das imagens, porém esse fato que poderia ser benéfico, pode na realidade prejudicar o processo de indexação e recuperação das imagens com problemas como a maldição da dimensionalidade. Assim, precisa-se selecionar as características mais relevantes para tornar o processo mais eficiente e eficaz. Esse trabalho desenvolveu o método de seleção supervisionada de características FSCoMS (Feature Selection based on Compactness Measure from Scatterplots) para obter o ranking das características, contemplando assim, o que é necessário para o tipo de imagens médicas sob análise. Dessa forma, produziu-se vetores de características mais enxutos e eficientes para responder consultas por similaridade. Adicionalmente...

‣ Seleção de atributos para aprendizagem multirrótulo; Feature selection for multi-label learning

Spolaôr, Newton
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 24/09/2014 Português
Relevância na Pesquisa
36.40581%
A presença de atributos não importantes, i.e., atributos irrelevantes ou redundantes nos dados, pode prejudicar o desempenho de classificadores gerados a partir desses dados por algoritmos de aprendizado de máquina. O objetivo de algoritmos de seleção de atributos consiste em identificar esses atributos não importantes para removê-los dos dados antes da construção de classificadores. A seleção de atributos em dados monorrótulo, nos quais cada exemplo do conjunto de treinamento é associado com somente um rótulo, tem sido amplamente estudada na literatura. Entretanto, esse não é o caso para dados multirrótulo, nos quais cada exemplo é associado com um conjunto de rótulos (multirrótulos). Além disso, como esse tipo de dados usualmente apresenta relações entre os rótulos do multirrótulo, algoritmos de aprendizado de máquina deveriam considerar essas relações. De modo similar, a dependência de rótulos deveria também ser explorada por algoritmos de seleção de atributos multirrótulos. A abordagem filtro é uma das mais utilizadas por algoritmos de seleção de atributos, pois ela apresenta um custo computacional potencialmente menor que outras abordagens e utiliza características gerais dos dados para calcular as medidas de importância de atributos. tais como correlação de atributo-classe...

‣ Feature extraction and visualization from higher-order CFD data; Extração de estruturas e visualização de soluções de DFC de alta ordem

Pagot, Christian Azambuja
Fonte: Universidade Federal do Rio Grande do Sul Publicador: Universidade Federal do Rio Grande do Sul
Tipo: Tese de Doutorado Formato: application/pdf
Português
Relevância na Pesquisa
36.32009%
Métodos de simulação baseados em dinâmica de fluidos computacional (DFC) têm sido empregado em diversas areas de estudo, tais como aeroacústica, dinâmica dos gases, fluidos viscoelásticos, entre outros. Entretanto, a necessidade de maior acurácia e desempenho destes métodos têm dado origem a soluções representadas por conjuntos de dados cada vez mais complexos. Neste contexto, técnicas voltadas à extração de estruturas relevantes (features), e sua posterior visualização, têm um papel muito importante, tornando mais fácil e intuitiva a análise dos dados gerados por simulações. Os métodos de extração de estruturas detectam e isolam elementos significativos no contexto da análise dos dados. No caso da análise de fluidos, estas estruturas podem ser isosuperfícies de pressão, vórtices, linhas de separação, etc. A visualização, por outro lado, confere atributos visuais a estas estruturas, permitindo uma análise mais intuitiva através de sua inspeção visual. Tradicionalmente, métodos de DFC representam suas soluções como funções lineares definidas sobre elementos do domínio. Entretanto, a evolução desses métodos tem dado origem a soluções representadas analiticamente através de funções de alta ordem. Apesar destes métodos apresentarem características desejáveis do ponto de vista de eficiência e acurácia...

‣ Direct Evidence for Attention-Dependent Influences of the Frontal Eye-Fields on Feature-Responsive Visual Cortex

Heinen, Klaartje; Feredoes, Eva; Weiskopf, Nikolaus; Ruff, Christian C.; Driver, Jon
Fonte: Oxford University Press Publicador: Oxford University Press
Tipo: Artigo de Revista Científica
Português
Relevância na Pesquisa
36.32009%
Voluntary selective attention can prioritize different features in a visual scene. The frontal eye-fields (FEF) are one potential source of such feature-specific top-down signals, but causal evidence for influences on visual cortex (as was shown for “spatial” attention) has remained elusive. Here, we show that transcranial magnetic stimulation (TMS) applied to right FEF increased the blood oxygen level–dependent (BOLD) signals in visual areas processing “target feature” but not in “distracter feature”–processing regions. TMS-induced BOLD signals increase in motion-responsive visual cortex (MT+) when motion was attended in a display with moving dots superimposed on face stimuli, but in face-responsive fusiform area (FFA) when faces were attended to. These TMS effects on BOLD signal in both regions were negatively related to performance (on the motion task), supporting the behavioral relevance of this pathway. Our findings provide new causal evidence for the human FEF in the control of nonspatial “feature”-based attention, mediated by dynamic influences on feature-specific visual cortex that vary with the currently attended property.

‣ Uma abordagem para compreensão de programas baseada na localização de características em código fonte; An approach to software comprehension based on feature location in source code

Sobreira, Victor
Fonte: Universidade Federal de Uberlândia Publicador: Universidade Federal de Uberlândia
Tipo: Dissertação
Português
Relevância na Pesquisa
36.32009%
Características são conceitos importantes para o entendimento de requisitos de software. Entretanto, descobrir onde uma característica de interesse está localizada no código fonte é uma tarefa desafiadora porque, em geral, o código é modularizado de maneira não orientada a características e assim as características tendem a estar espalhadas pelo código fonte. Este trabalho propõe um método e uma ferramenta chamada Featincode para a análise do espalhamento de características através da interpretação gráfica da interseção entre características e elementos do código fonte. A ferramenta coleta e representa rastros de programas multi-threaded para as características selecionadas pelo desenvolvedor e mostra algumas matrizes que ajudam a analisar onde as características estão implementadas. O método e a ferramenta proposta são validadas com a análise de algumas características da ferramenta CASE ArgoUML. A conclusão é que a abordagem pode reduzir o esforço para compreender onde as características estão implementadas e quais elementos do código são específicos de uma característica. O método e a ferramenta podem ser aplicados para auxiliar em atividades de compreensão, manutenção e evolução de software. ______________________________________________________________________________ ABSTRACT; Features are an important concept for understanding software requirements. However...

‣ Aspectual separation of feature dependencies for flexible feature composition

Lee, Kwanwoo; Botterweck, Goetz; Thiel, Steffen
Fonte: IEEE Computer Society Publicador: IEEE Computer Society
Tipo: Conference item; all_ul_research; ul_published_reviewed; none
Português
Relevância na Pesquisa
36.364463%
non-peer-reviewed; Aspect-oriented programming (AOP) provides effective mechanisms for improving the modularity of feature implementations. However, as features in general are not independent of each other, changes in the implementation of one feature may cause changes to or side effects in the implementation of other features. We address this challenge by separating feature dependencies from feature implementations using AOP techniques. Specifically, this paper contributes by providing aspect-oriented implementation patterns for feature dependencies (e.g., modification dependency and activation dependency). With the resulting clear separation of dependencies, this approach makes each feature implementation easier to understand and reuse. A product line of scientific calculator applications is used to demonstrate and evaluate the proposed approach.

‣ Geometric typed feature structures: Carrying geometric information using typed feature structures

Chang, Teng-Wen; Woodbury, Robert Francis
Fonte: Icelandic Building Research Institute Publicador: Icelandic Building Research Institute
Tipo: Conference paper
Publicado em //2000 Português
Relevância na Pesquisa
36.344688%
This paper explores Geometric Typed Feature Structures as a concept for carrying geometric information based on the theory of Typed Feature Structures[Carpenter, 1992]. Geometric Typed Feature Structures cover an important aspect of design space explorers in which the symbol level representation must carry 3D geometric information. Order Types are the devices in Geometric Typed Feature Structures that carry the continuous infinite domain information, that is, geometry. In this paper, theories and algorithms are applied to two kinds of Order type examples for carrying numerical values and geometric information. We describe the requirements as well as the conditions in which an Order Type can be specified and synchronized with other domain knowledge. We show two examples of Order Types: lifted reals and IGOSet intervals based on the theory of Geometric Typed Feature Structures. In each example, we outline the mathematics linking it to the theory of Order Types.; Teng-Wen Chang and Robert F. Woodbury

‣ Feature Selection for Brain-Computer Interfaces; Merkmalsselektion für Brain-Computer Interfaces

Tangermann, Michael Willi
Fonte: Universidade de Tubinga Publicador: Universidade de Tubinga
Tipo: Dissertação
Português
Relevância na Pesquisa
36.344688%
Ein Brain-Computer-Interface-System (BCI) bietet schwerstgelähmten Patienten eine Möglichkeit zu kommunizieren. Während sie verschiedene mentale Aufgaben ausführen, was kurzzeitig zu unterschiedlichen mentalen Zuständen führt, werden die Gehirnsignale der Patienten aufgezeichnet. Aus diesen Signalen extrahiert ein Computersystem zuerst komplexe Merkmale und übersetzt diese in einem zweiten Schritt in Kontrollsignale zur Steuerung einer Kommunikationsanwendung. Extraktion und Übersetzung der Signale werden durch z.T. lernende Algorithmen realisiert, welche für jeden Benutzer individuell angepasst werden müssen, um eine optimale Leistungsfähigkeit des BCI-Systems zu erzielen. Einer der zu optimierenden Schritte ist die Selektion einer geeigneten Menge von Merkmalen. Diese Merkmalsmenge soll eine möglichst exakte Unterscheidung der mentalen Zustände ermöglichen, durch Einblick in die Lösung das Verständnis für diesen Lösungsansatz erhöhen, den experimentellen Aufwand absenken und damit die Akzeptanz für das BCI-System bei den Benutzern erhöhen. Sieht man EEG Elektroden als Merkmale an, so ist die Auswahl einer kleineren Merkmalsmenge äußerst wünschenswert - sie verkleinert den immensen täglichen Aufwand für das Setzen der Elektroden vor dem Beginn der Kommunikation per BCI. Das Problem der Merkmalsselektion ist außerordentlich schwierig zu lösen...

‣ Tracing aspect-oriented patterns for identifying feature dependency inconsistencies in software product lines

Abid, Saad bin
Fonte: University of Limerick Publicador: University of Limerick
Tipo: Conference item; all_ul_research; none
Português
Relevância na Pesquisa
36.344688%
non-peer-reviewed; Features implementing the functionality in a software product line (SPL) often interact and depend on each other. It is hard to maintain the consistency between feature dependencies on the model level and in the actual implementation over time, resulting in inconsistent SPL with less ability for inclusion and exclusion of features during product derivation. We describe our initial results when working with feature dependencies implemented as aspect-oriented patterns and the related inconsistencies. Our aim is to improve feature dependency analysis for inconsistency identification between traceable modeled artefacts in SPL. In this research work we argue that traceability can facilitate identification of feature dependency inconsistencies. We report our experience of feature dependency inconsistency scenarios on different abstraction levels and our intended approach using traceability modeling to analyze feature dependency inconsistencies in the context of an existing scientific calculator product line.

‣ Classification and feature extraction in man and machine; Klassifikation und Merkmalsextraktion in Mensch und Maschine

Graf, Arnulf B. A.
Fonte: Universität Tübingen Publicador: Universität Tübingen
Tipo: Dissertation; info:eu-repo/semantics/doctoralThesis
Português
Relevância na Pesquisa
36.364463%
Diese Dissertation befasst sich mit den Mechanismen, die Menschen verwenden, um Merkmale aus visuellen Reizen zu erzeugen und anschliessend zu klassifizieren. Es wird eine experimentelle Methode entwickelt, die menschliche Psychophysik mit maschinellem Lernen verbindet. Im Mittelpunkt der Arbeit steht ein Geschlechtsklassifikationsexperiment, das mit Hilfe der Kopfdatenbank des Max Planck Instituts durchgeführt wird. Hierzu werden verschiedene niedrig-dimensionale Merkmale aus den Gesichtsbildern extrahiert. Das Klassifikationsverfahren auf diesen Merkmalen ist durch eine Trennebene zwischen den beiden Klassen modelliert. Die Antworten der Versuchspersonen werden verglichen und korreliert mit der Distanz der Merkmale zur Trennebene. In dieser Arbeit wird bewiesen, dass maschinelles Lernen ein neues und wirksames algorithmisches Verfahren ist, um Einblicke in menschliche kognitive Prozesse zu erhalten. In einem ersten psychophysischen Klassifikationsexperiment wird gezeigt, dass eine hohe Fehlerrate und ein niedriges Vertrauen der Versuchspersonen einer längeren Verarbeitung der Information im Gehirn entsprechen. Ein zweites Klassifikationsexperiment auf den selben Reizen aber in unterschiedlicher Reihenfolge, bestätigt die Konsistenz der Antworten der Versuchspersonen und die Reproduzierbarkeit der folgenden Resultate. Es wird gezeigt...

‣ Propagação de pontos caracteristicos e suas incertezas utilizando a transformada unscented; Propagating feature points and its uncertainty using the unscented transform

Leyza Elmeri Baldo Dorini
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 20/02/2006 Português
Relevância na Pesquisa
36.364463%
O correto estabelecimento de correspondências entre imagens tomadas de diferentes pontos de vista é um problema fundamental na área de visão computacional, sendo base para diversas tarefas de alto nível, tais como reconstrução 3D e análise de movimento. A grande maioria dos algoritmos de rastreamento de características não possui uma incerteza associada a posição estimada das características sendo rastreadas, informação esta de extrema importância, considerando sua vasta aplicabilidade. Exatamente este o foco principal deste trabalho, onde introduzimos um framework genérico que expande algoritmos de rastreamento de tal forma que eles possam propagar também informações de incerteza. Neste trabalho, por questão de simplicidade, utilizamos o algoritmo de rastreamento de características Kanade-Lucas-Tomasi (KLT) para demonstrar as vantagens do nosso método, denominado Unscented Feature Tracking (UFT). A abordagem consiste na introdução de Variáveis Aleatórias Gaussianas (GRVs) para a representação da localização dos pontos característicos, e utiliza a Transformada Unscented com Escala (SUT) para propagar e combinar GRVs. Mostramos uma aplicação do UFT em um procedimento de bundle adjustment, onde a função custo leva em conta a informação das GRVs...

‣ Hexagonal scale invariant feature transform (H-SIFT) for facial feature extraction

Azeem,A.; Sharif,M.; Shah,J.H.; Raza,M.
Fonte: UNAM, Centro de Ciencias Aplicadas y Desarrollo Tecnológico Publicador: UNAM, Centro de Ciencias Aplicadas y Desarrollo Tecnológico
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/01/2015 Português
Relevância na Pesquisa
36.344688%
Feature transformation and key-point identification is the solution to many local feature descriptors. One among such descriptor is the Scale Invariant Feature Transform (SIFT). A small effort has been made for designing a hexagonal sampled SIFT feature descriptor with its applicability in face recognition tasks. Instead of using SIFT on square image coordinates, the proposed work makes use of hexagonal converted image pixels and processing is applied on hexagonal coordinate system. The reason of using the hexagonal image coordinates is that it gives sharp edge response and highlights low contrast regions on the face. This characteristic allows SIFT descriptor to mark distinctive facial features, which were previously discarded by original SIFT descriptor. Furthermore, Fisher Canonical Correlation Analysis based discriminate procedure is outlined to give a more precise classification results. Experiments performed on renowned datasets revealed better performances in terms of feature extraction in robust conditions.