A compositional data analysis package for R providing multiple approaches

”compositions” is a new R-package for the analysis of compositional and positive data. It contains four classes corresponding to the four different types of compositional and positive geometry (including the Aitchison geometry). It provides means for computation, plotting and high-level multivariate statistical analysis in all four geometries. These geometries are treated in an fully analogous way, based on the principle of working in coordinates, and the object-oriented programming paradigm of R. In this way, called functions automatically select the most appropriate type of analysis as a function of the geometry. The graphical capabilities include ternary diagrams and tetrahedrons, various compositional plots (boxplots, barplots, piecharts) and extensive graphical tools for principal components. Afterwards, ortion and proportion lines, straight lines and ellipses in all geometries can be added to plots. The package is accompanied by a hands-on-introduction, documentation for every function, demos of the graphical capabilities and plenty of usage examples. It allows direct and parallel computation in all four vector spaces and provides the beginner with a copy-and-paste style of data analysis, while letting advanced users keep the functionality and customizability they demand of R, as well as all necessary tools to add own analysis routines. A complete example is included in the appendix

Desenvolupament d’una biblioteca per a la generació de diagrames vectorials basat en l’entorn gràfic de JAVA2D i aplicació d’aquesta biblioteca per a la implementació d’una eina per al desenvolupament de diagrames d’E/R

En aquest projecte es vol implementar una llibreria en Java, que proporcioni les eines necessàries per a crear diagrames i esquemes. Es vol proporcionar a la llibreria un conjunt d’objectes bàsics, també mètodes i funcionalitats suficients per a gestionar aquests objectes. Per altra part, es vol implementar una aplicació per a dissenyar diagrames Entitat-Relació que utilitzi aquesta llibreria

Model-based objects recognition in man-made environments

We describe a model-based objects recognition system which is part of an image interpretation system intended to assist autonomous vehicles navigation. The system is intended to operate in man-made environments. Behavior-based navigation of autonomous vehicles involves the recognition of navigable areas and the potential obstacles. The recognition system integrates color, shape and texture information together with the location of the vanishing point. The recognition process starts from some prior scene knowledge, that is, a generic model of the expected scene and the potential objects. The recognition system constitutes an approach where different low-level vision techniques extract a multitude of image descriptors which are then analyzed using a rule-based reasoning system to interpret the image content. This system has been implemented using CEES, the C++ embedded expert system shell developed in the Systems Engineering and Automatic Control Laboratory (University of Girona) as a specific rule-based problem solving tool. It has been especially conceived for supporting cooperative expert systems, and uses the object oriented programming paradigm

Embedding objects into Matlab/Simulink for process supervision

This paper introduces how artificial intelligence technologies can be integrated into a known computer aided control system design (CACSD) framework, Matlab/Simulink, using an object oriented approach. The aim is to build a framework to aid supervisory systems analysis, design and implementation. The idea is to take advantage of an existing CACSD framework, Matlab/Simulink, so that engineers can proceed: first to design a control system, and then to design a straightforward supervisory system of the control system in the same framework. Thus, expert systems and qualitative reasoning tools are incorporated into this popular CACSD framework to develop a computer aided supervisory system design (CASSD) framework. Object-variables an introduced into Matlab/Simulink for sharing information between tools

Integration of knowledge-based, qualitative and numeric tools for real time dynamic systems supervision

The proposal presented in this thesis is to provide designers of knowledge based supervisory systems of dynamic systems with a framework to facilitate their tasks avoiding interface problems among tools, data flow and management. The approach is thought to be useful to both control and process engineers in assisting their tasks. The use of AI technologies to diagnose and perform control loops and, of course, assist process supervisory tasks such as fault detection and diagnose, are in the scope of this work. Special effort has been put in integration of tools for assisting expert supervisory systems design. With this aim the experience of Computer Aided Control Systems Design (CACSD) frameworks have been analysed and used to design a Computer Aided Supervisory Systems (CASSD) framework. In this sense, some basic facilities are required to be available in this proposed framework: ·

Using appearance and context for outdoor scene object classification

We propose a probabilistic object classifier for outdoor scene analysis as a first step in solving the problem of scene context generation. The method begins with a top-down control, which uses the previously learned models (appearance and absolute location) to obtain an initial pixel-level classification. This information provides us the core of objects, which is used to acquire a more accurate object model. Therefore, their growing by specific active regions allows us to obtain an accurate recognition of known regions. Next, a stage of general segmentation provides the segmentation of unknown regions by a bottom-strategy. Finally, the last stage tries to perform a region fusion of known and unknown segmented objects. The result is both a segmentation of the image and a recognition of each segment as a given object class or as an unknown segmented object. Furthermore, experimental results are shown and evaluated to prove the validity of our proposal

Object and Scene Classification: what does a Supervised Approach Provide us?

Given a set of images of scenes containing different object categories (e.g. grass, roads) our objective is to discover these objects in each image, and to use this object occurrences to perform a scene classification (e.g. beach scene, mountain scene). We achieve this by using a supervised learning algorithm able to learn with few images to facilitate the user task. We use a probabilistic model to recognise the objects and further we classify the scene based on their object occurrences. Experimental results are shown and evaluated to prove the validity of our proposal. Object recognition performance is compared to the approaches of He et al. (2004) and Marti et al. (2001) using their own datasets. Furthermore an unsupervised method is implemented in order to evaluate the advantages and disadvantages of our supervised classification approach versus an unsupervised one

Use of decision trees in colour feature selection: application to object recognition in outdoor scenes

A new method for the automated selection of colour features is described. The algorithm consists of two stages of processing. In the first, a complete set of colour features is calculated for every object of interest in an image. In the second stage, each object is mapped into several n-dimensional feature spaces in order to select the feature set with the smallest variables able to discriminate the remaining objects. The evaluation of the discrimination power for each concrete subset of features is performed by means of decision trees composed of linear discrimination functions. This method can provide valuable help in outdoor scene analysis where no colour space has been demonstrated as being the most suitable. Experiment results recognizing objects in outdoor scenes are reported

The construction of national identity as a developmental process from childhood to adolescence in Catalonia

La idea que per entendre alguna cosa hem d'entendre el procés pel qual s'ha produït va ser assumida des de l'origen de l'estudi "La construcció de la identitat nacional com a procés de desenvolupament des de la infància a l'adolescència a Catalunya". Per tal d'estudiar el procés de desenvolupament relacionat amb la construcció de la identitat nacional, no és suficient considerar-lo en el seu context social, sinó que és necessari considerar la seva construcció social. Tres objectius principals van orientar el nostre estudi . Primer, indagar si els processos de categorització, identificació, coneixement, imatge, avaluació i afecte són també elements implicats en la construcció de la identitat nacional des de la infància a l'adolescència. Segon investigar el procés de desenvolupament d'aquests elements des dels 6 anys fins als 15 anys per contribuir amb dades a I'explicació sobre com es desenvolupa del coneixement social. Tres són les explicacions principals; la primera que es basa en processos cognitius d'inclusió-decentració; la segona, si aquest desenvolupament es dóna en cercles concèntrics des de I'interior (contextos quotidians) fins a l'exterior (amb intercanvis més amples i una educació formal envers la vida social); i la tercera, si el desenvolupament del coneixement social d'allò més immediat i directe es reorganitzat i adquireix nous significats per la integració dels elements més generals i abstractes. Tercer, donat el fet que el 50% de les famílies tenen el català com a llengua materna, hem estudiat la influència de la llengua o llengües utilitzades en el context familiar en el procés de construcció de la identitat nacional. Es va dissenyar una entrevista individual seguint una estructura amb les parts següents: identificació subjectiva i identificació nacional; coneixement dels països; estereotips, avaluació i sentiments, i entorn social. La mostra del present estudi va estar formada per 495 nens i adolescents de 6, 9, 12 i 15 anys d'edat. Es va utilitzar per cada grup un número similar de nens i nenes. La mostra es va dividir en tres grups segons la o les llengües utilitzades pel nen o nena en el seu context familiar. Tres van ser les categones lingüístiques utilitzades: castellà, nens que només utilitzin el castellà a casa; català, nens que només usen el català en el context familiar; i bilingües, nens que utilitzin tots dos idiomes a casa. Aquestes categories lingüístiques s'han utilitzat com a indicador dels contextos familiars. Dues conclusions principals es poden extreure d'aquest estudi. Primer, I'ús de categories nacionals no és una conseqüència del procés cognitiu d'inclusió-decentració ni en cercles concentrics (concret/abstracte). La idea d'un procés del món en paral·lel, d'un coneixement que integra simultàniament creences i sentiments de l'ambient concret o proper i de l'abstracte o llunyà pot explicar millor els nostres resultats. Els nens aprenen i pensen sobre la vida quotidara, les característiques de l'ambient, la informació circulant en el seu entom social i la importància o els diferents nivells de coneixement depenent del context. Els nens integren la informació que està circulant en el seu ambient i construeixen un món que necessàriament no ha de coincidir amb el món deis adults, però que els ajuda a comunicar-se i a entendre les situacions en les quals estan immersos. Els nens més joves són capaços d'utilitzar categories nacionals de manera similar als adolescents. Segon, la identitat nacional a Catalunya es construeix al voltant del nucli de la llengua parlada a casa. A través de tot I'estudi es pot veure un resultat consistent i reiterat. Els infants d'un entom familiar en què s'usa només el castellà s'identifiquen com a pertanyents a tots dos grups nacionals, Espanyol i Català. Els infants d'un entom familiar que utilitzen només el català s'identifiquen com a pertanyents només al grup Català. Aquestes identificacions guien com aquests nens avaluen i senten envers el propi grup nacional i els altres. A més, sembla que el context sòcio-polític és un vehicle important en la transmissió de les estructures de semblances i que I'estructura d'afecte es transmet principalment a través de I'entom familiar.

Image classification for a large number of object categories

L'increment de bases de dades que cada vegada contenen imatges més difícils i amb un nombre més elevat de categories, està forçant el desenvolupament de tècniques de representació d'imatges que siguin discriminatives quan es vol treballar amb múltiples classes i d'algorismes que siguin eficients en l'aprenentatge i classificació. Aquesta tesi explora el problema de classificar les imatges segons l'objecte que contenen quan es disposa d'un gran nombre de categories. Primerament s'investiga com un sistema híbrid format per un model generatiu i un model discriminatiu pot beneficiar la tasca de classificació d'imatges on el nivell d'anotació humà sigui mínim. Per aquesta tasca introduïm un nou vocabulari utilitzant una representació densa de descriptors color-SIFT, i desprès s'investiga com els diferents paràmetres afecten la classificació final. Tot seguit es proposa un mètode par tal d'incorporar informació espacial amb el sistema híbrid, mostrant que la informació de context es de gran ajuda per la classificació d'imatges. Desprès introduïm un nou descriptor de forma que representa la imatge segons la seva forma local i la seva forma espacial, tot junt amb un kernel que incorpora aquesta informació espacial en forma piramidal. La forma es representada per un vector compacte obtenint un descriptor molt adequat per ésser utilitzat amb algorismes d'aprenentatge amb kernels. Els experiments realitzats postren que aquesta informació de forma te uns resultats semblants (i a vegades millors) als descriptors basats en aparença. També s'investiga com diferents característiques es poden combinar per ésser utilitzades en la classificació d'imatges i es mostra com el descriptor de forma proposat juntament amb un descriptor d'aparença millora substancialment la classificació. Finalment es descriu un algoritme que detecta les regions d'interès automàticament durant l'entrenament i la classificació. Això proporciona un mètode per inhibir el fons de la imatge i afegeix invariança a la posició dels objectes dins les imatges. S'ensenya que la forma i l'aparença sobre aquesta regió d'interès i utilitzant els classificadors random forests millora la classificació i el temps computacional. Es comparen els postres resultats amb resultats de la literatura utilitzant les mateixes bases de dades que els autors Aixa com els mateixos protocols d'aprenentatge i classificació. Es veu com totes les innovacions introduïdes incrementen la classificació final de les imatges.