PPGCC - Mestrado (Dissertações)
URI permanente para esta coleçãohttp://www.hml.repositorio.ufop.br/handle/123456789/597
Navegar
6 resultados
Resultados da Pesquisa
Item Caracterização e análise de uma rede de ingredientes e receitas.(2014) Ferreira, Willyan Michel; Souza, Fabrício Benevenuto de; Merschmann, Luiz Henrique de Campos; Silva, Ana Paula Couto da; Santos, Haroldo GambiniA troca de receitas é um hábito de muitas pessoas. Um meio online e colaborativo de compartilhar esse tipo de informação é através de websites especializados que permitem que usuários postem receitas, comentem e avaliem receitas existentes. Apesar de extremamente populares, pouco se sabe sobre esses sistemas e os padrões de interações que eles permitem. Visando preencher essa lacuna, esse trabalho apresenta uma extensa caracterização do site Tudo Gostoso, um importante site brasileiro de compartilhamento de receitas. Para isso, nós coletamos todas as receitas existentes no site juntamente com informações associadas aos comentários e avaliações. Além de explorar as interações existentes entre os usuários do site, nosso trabalho analisa uma rede formada por ingredientes que co-ocorrem em receitas e investiga a viabilidade de se extrair possíveis alterações nas receitas a partir de comentários dos usuários do site. Nossas análises revelam padrões de uso de ingredientes fundamentais da culinária brasileira e podem ser úteis para inspirar a construção de diversas novas aplicações, como ferramentas de recomendação de receitas.Item HCAIM : um método de discretização supervisionado para o contexto de classificação hierárquica.(2016) Guandaline, Valter Hugo; Merschmann, Luiz Henrique de Campos; Gomes, David Menotti; Cerri, RicardoA discretização de dados, como uma etapa da fase de pré-processamento, tem sido alvo de pesquisas em diversos trabalhos no contexto de classificação plana. Apesar da importância dos métodos de discretização para a tarefa de classificação, até onde se tem conhecimento, para problemas de classificação hierárquica, não existem na literatura propostas de métodos de discretização supervisionados que possam ser utilizados em conjunto com classificadores hierárquicos globais. Desse modo, neste trabalho é proposto um método de discretização supervisionado para o contexto de classificação hierárquica. Este método, denominado HCAIM (Hierarchical CAIM), corresponde a uma adaptação do método de discretização CAIM proposto para o contexto de classificação plana. A avaliação do método proposto foi realizada utilizando-se o método de classificação hierárquica Global Model Naive Bayes – GMNB. Os experimentos computacionais realizados com 8 bases de dados de bioinformática mostraram que o método HCAIM, para a maioria das bases, permitiu ao GMNB alcançar desempenho preditivo superior àqueles alcançados quando a base de dados foi pré-processada pelos métodos não supervisionados EqualWidth e EqualFrequency.Item Contagem e reconhecimento de tipos de veículos em vídeos de trânsito.(2015) Moura Colque, Rensso Victor Hugo; Cámara Chávez, GuillermoItem Uma proposta para combinar classificadores e colaboração de usuários na resolução do problema de ambiguidade de nomes de autores.(2014) Souza, Emília Alves de; Ferreira, Anderson AlmeidaO problema de ambiguidade de nomes em citações bibliográficas tem sido amplamente estudado principalmente pela comunidade científica de bibliotecas digitais envolvendo nomes de autores. Normalmente, os métodos propostos na literatura seguem abordagens supervisionadas ou não supervisionadas. Os métodos supervisionados são normalmente os mais efetivos, mas geralmente requerem que uma grande quantidade de exemplos sejam manualmente rotulados e, além disso, também não são capazes de resolver a ambiguidade para todos os nomes devido a inerente dificuldade do problema. Recentemente, com o objetivo de melhorar o resultado do processo de desambiguação, alguns trabalhos têm utilizado a colaboração de usuários na desambiguação manual de alguns registros. Neste trabalho é proposto um método para combinar resultados de técnicas supervisionadas de aprendizado de máquina com a colaboração de usuários para resolver tal problema. Inicialmente, o método explora os atributos dos registros de citações para agrupar registros que pertençam a um único autor. A partir desses grupos, classificadores são combinados para gerar uma função de similaridade que, juntamente com a colaboração do usuário, contribuem para agrupar grupos separados de registros de citações que pertencem a um mesmo autor real. Apesar de usar técnicas supervisionadas, o único esforço exercido por parte do usuário é fornecer a sua colaboração desambiguando alguns nomes de autores. O método foi comparado com outros métodos representativos e o ganho em relação a eles atinge cerca de 20% nos resultados de desambiguação.Item A new method for static video summarization using visual words and video temporal segmentation.(2013) Cahuina, Edward Jorge Yuri Cayllahua; Cámara Chávez, GuillermoDurante os últimos anos, uma demanda continua de informações de vídeo digital tem ocorrido. A criação de vídeo digital tem provocado um crescimento exponencial de conteúdo de vídeo digital. Para aumentar a usabilidade de grande volume de vídeos, muita pesquisa tem sido feita. A Sumarização Automática de Vídeos, em particular, tem sido proposta para explorar rapidamente grandes coleções de vídeo. Os resumos de vídeos têm sido utilizados de forma eficiente para indexar e conteúdos de vídeo de acesso. Para resumir qualquer tipo de vídeo, os pesquisadores têm usado as características visuais contidas nos quadros do vídeo. A fim de extrair essas características, diferentes técnicas têm utilizado descritores locais ou globais. No entanto, nenhuma avaliação extensa tem sido feita sobre a utilidade de ambos os tipos de descritores na sumarização automática de vídeos. Neste trabalho, realizamos uma ampla avaliação, a fim de alcançar uma posição mais forte sobre o desempenho de descritores locais na sumarização automática de vídeos. De acordo com nossos experimentos, nosso modelo proposto utilizando descritores locais e segmentação temporal de vídeos elabora resumos melhores do que os outros modelos que não. Nós também reconhecemos a importância marginal de informação de cor usada pelos descritores locais para produzir resumos de vídeo. Uma contribuição importante deste trabalho é propor um modelo simples, para sumarização de vídeo que pode produzir resumos de vídeo significativos e informativos.Item Reconhecimento de sinais estáticos a partir de informação RGB-D usando um Descritor Kernel.(2014) Rodriguez, Karla Catherine Otiniano; Cámara Chávez, GuillermoDurante os últimos anos, têm sido desenvolvidas diversas abordagens para o reconhecimento de sinais. Muitas delas baseadas somente em informação de intensidade, o que tornava o pré-processamento mais complexo. Devido ao avanço da tecnologia, têm sido desenvolvidos novos dispositivos para a obtenção de informação mais complexa, além da informação de intensidade também é fornecida informação de profundidade e localização. O sensor Kinect é um deles e foi criado no ano de 2010. Com esse dispositivo, é possível obter dois tipos de informações: intensidade e profundidade. Isso significa uma vantagem quando se quer desenvolver um modelo para reconhecimento de sinais. Como já foi dito, usar somente informação de intensidade, que é o mais usual, implica ter processos mais complexos e algumas vezes imprecisos. Para solucionar isso, é possível usar informação de profundidade que, além de conter informação da mão, facilita o pré-processamento. Nesta dissertação apresentamos um modelo para o reconhecimento de sinais estáticos, usando informação de intensidade e profundidade (RGB-D) de cada sinal. As imagens de intensidade oferecem informação visual do sinal. Enquanto que as imagens de profundidade permitem obter informação da forma da mão com a qual é executado o sinal. Além disso, usando este último tipo de imagem, o processo de segmentação é facilitado. Uma avaliação entre o descritor local SIFT e o descritor kernel gradiente foi realizada na etapa de extração de características. A partir das características obtidas, foi extraída informação semântica usando a técnica BoW (Bag-of-Words), para então finalmente classificar os sinais usando SVM (Support Vector Machine). Os resultados reportados nesta dissertação se mostraram superiores a outros modelos da literatura. Foi alcançado um incremento na acurácia de 20%, sendo o melhor resultado de 95,63% de acurácia média, isso demonstra que o modelo proposto é promissor no reconhecimento de sinais.