Blind hyperspectral unmixing

This paper introduces a new hyperspectral unmixing method called Dependent Component Analysis (DECA). This method decomposes a hyperspectral image into a collection of reflectance (or radiance) spectra of the materials present in the scene (endmember signatures) and the corresponding abundance fractions at each pixel. DECA models the abundance fractions as mixtures of Dirichlet densities, thus enforcing the constraints on abundance fractions imposed by the acquisition process, namely non-negativity and constant sum. The mixing matrix is inferred by a generalized expectation-maximization (GEM) type algorithm. This method overcomes the limitations of unmixing methods based on Independent Component Analysis (ICA) and on geometrical based approaches. DECA performance is illustrated using simulated and real data.

Blind hyperspectral unmixing

Hyperspectral unmixing methods aim at the decomposition of a hyperspectral image into a collection endmember signatures, i.e., the radiance or reflectance of the materials present in the scene, and the correspondent abundance fractions at each pixel in the image. This paper introduces a new unmixing method termed dependent component analysis (DECA). This method is blind and fully automatic and it overcomes the limitations of unmixing methods based on Independent Component Analysis (ICA) and on geometrical based approaches. DECA is based on the linear mixture model, i.e., each pixel is a linear mixture of the endmembers signatures weighted by the correspondent abundance fractions. These abundances are modeled as mixtures of Dirichlet densities, thus enforcing the non-negativity and constant sum constraints, imposed by the acquisition process. The endmembers signatures are inferred by a generalized expectation-maximization (GEM) type algorithm. The paper illustrates the effectiveness of DECA on synthetic and real hyperspectral images.

Learning dependent sources using mixtures of Dirichlet: applications on hyperspectral unmixing

This paper is an elaboration of the DECA algorithm [1] to blindly unmix hyperspectral data. The underlying mixing model is linear, meaning that each pixel is a linear mixture of the endmembers signatures weighted by the correspondent abundance fractions. The proposed method, as DECA, is tailored to highly mixed mixtures in which the geometric based approaches fail to identify the simplex of minimum volume enclosing the observed spectral vectors. We resort then to a statitistical framework, where the abundance fractions are modeled as mixtures of Dirichlet densities, thus enforcing the constraints on abundance fractions imposed by the acquisition process, namely non-negativity and constant sum. With respect to DECA, we introduce two improvements: 1) the number of Dirichlet modes are inferred based on the minimum description length (MDL) principle; 2) The generalized expectation maximization (GEM) algorithm we adopt to infer the model parameters is improved by using alternating minimization and augmented Lagrangian methods to compute the mixing matrix. The effectiveness of the proposed algorithm is illustrated with simulated and read data.

Aplicação da abordagem socioeconómica na Empresa X: corrigir disfunções e potenciar resultados – estudo de caso

Mestrado em Contabilidade

Atas do VI Encontro do CIED – I Encontro Internacional em estudos educacionais. avaliação: desafios e riscos

Esta publicação contém as comunicações apresentadas no VI Encontro do CIED – I Encontro Internacional em Estudos Educacionais. Avaliação: Desafios e Riscos, nos dias 15 e 16 de novembro de 2013, na Escola Superior de Educação de Lisboa, Instituto Politécnico de Lisboa, organizado pelo CIED, com o apoio da Escola Superior de Educação de Lisboa.

Avaliação por fMRI do córtex visual, motor e auditivo através de estimulação sensoriomotora e sonora em desportistas invisuais e desportistas sem deficiência visual

Mestrado em Radiações Aplicadas às Tecnologias da Saúde - Ramo de especialização: Imagem por Ressonância Magnética

O processo ensino-aprendizagem: relatório de estágio

I - Inserido no Concelho de Odivelas, cuja realidade e contexto sócio cultural realçam a problemática da diversidade cultural, colocando ao professor dúvidas e dificuldades emrelação às suas práticas educativas, o Conservatório de Música D. Dinis é a escola na qual leciono desde 1993. É também local de reflexão permanente quanto aos critérios e condições que devem nortear a prática pedagógica contemporânea na área da música, cujo objetivo assenta na formação integral do aluno através da utilização de estratégias de ensino que o responsabilizem na própria aprendizagem. Considerando estes desafios, o seguinte trabalho será realizado no contexto da minha classe de violino e incidirá sobre três alunos em particular, que frequentam os seguintes graus, a saber: 1 - Iniciação (1º ciclo do ensino básico); 2 - 2º grau (2º ciclo do ensino básico); 3 - 5º grau (3º ciclo do ensino básico). Apesar de acreditar nas suas capacidades de aprendizagem e ter um cuidado especial sobre as minhas ações e os efeitos destas na aprendizagem académica e social dos meus alunos, os resultados finais são reveladores da importância da motivação, do apoio parental e da responsabilidade dos alunos na obtenção do seu próprio sucesso escolar.

Relatório de estágio

I - As minhas expectativas eram elevadas pois este regresso à Escola Superior de Música de Lisboa permitia-me voltar a trabalhar com os professores que me formaram como músico e professor e com eles poder actualizar-me sobre vários temas ligados à pedagogia. Este aspecto é muito importante pois chego à conclusão que o tempo por vezes provoca-nos excesso de confiança que parece “cegar-nos” não nos deixando ver erros pedagógicos muitas vezes evitáveis. Quando ingressei neste estágio sentia-me confiante e seguro quanto às minhas capacidades como professor. O momento de viragem na minha perspectiva do estágio dá-se quando surgem as observações/gravações e respectivas análises e reflexões das aulas. Procurei trabalhar nessas aulas da forma mais natural possível pois o meu objectivo era observar o meu trabalho diário. A primeira observação das aulas permitiu-me anotar algumas coisas menos boas. Contudo, quando essa observação foi feita com o professor de didática os aspectos menos positivos ganharam uma enorme proporção: (1) falhas ao nível da instrução: demasiado longo, (2) feedback de pouca qualidade ou eficácia , (3) pouca percentagem de alunos que atingiam os objectivos., (4) ritmo de aula por vezes baixo devido a períodos longos de instrução ou devido a uma má gestão do espaço. Todos estes problemas eram mais visíveis quando as turmas eram maiores. Ao longo do estágio, e após a detecção destas falhas, fui procurando evitar estas práticas em todas as turmas onde leccionava. Senti que o ritmo de aula aumentou substancialmente não apenas à custa da energia do professor e de boas estratégias mas porque sobretudo se “falava menos e trabalhava-se mais”. Os erros dos alunos passaram a ser corrigos enquanto trabalhavam (feedback corretivo próximo do momento positivo ou negativo), o feedback positivo passou a ser mais destacado, a disposição da sala alterou-se de forma aos alunos estarem mais perto do professor, e este procurou ser menos “criativo” no momento de alterar o plano de aula devido a ideias momentâneas o que provocou mais tempo para cada estratégia e para que mais alunos fossem atingindo os objectivos. Apesar da evolução no sentido de proporcionar aos alunos aulas mais rentáveis e de ainda melhor qualidade, existe a consciência que alguns dos erros cometidos eram hábitos e como tal poderão levar algum tempo a ser corrigidos. Contudo, existe a consciência e a vontade em debelá-los da minha prática docente.