955 resultados para Distribuição normal
Resumo:
The segmentation of an image aims to subdivide it into constituent regions or objects that have some relevant semantic content. This subdivision can also be applied to videos. However, in these cases, the objects appear in various frames that compose the videos. The task of segmenting an image becomes more complex when they are composed of objects that are defined by textural features, where the color information alone is not a good descriptor of the image. Fuzzy Segmentation is a region-growing segmentation algorithm that uses affinity functions in order to assign to each element in an image a grade of membership for each object (between 0 and 1). This work presents a modification of the Fuzzy Segmentation algorithm, for the purpose of improving the temporal and spatial complexity. The algorithm was adapted to segmenting color videos, treating them as 3D volume. In order to perform segmentation in videos, conventional color model or a hybrid model obtained by a method for choosing the best channels were used. The Fuzzy Segmentation algorithm was also applied to texture segmentation by using adaptive affinity functions defined for each object texture. Two types of affinity functions were used, one defined using the normal (or Gaussian) probability distribution and the other using the Skew Divergence. This latter, a Kullback-Leibler Divergence variation, is a measure of the difference between two probability distributions. Finally, the algorithm was tested in somes videos and also in texture mosaic images composed by images of the Brodatz album
Resumo:
Foram simuladas nove populações, cada uma com cinco replicações da variável ganho médio diário (GMD1) com distribuição normal e média 100, variando o tamanho dos grupos e os desvios-padrão. Cada replicação foi dividida de modo a formar grupos que representariam grupos de contemporâneos (GC) e de progênie dentro de GC. Cada GC tinha dez pais. Obtiveram-se três conjuntos: o conjunto 1 com 1.000 grupos de contemporâneos (GC), cada um com 100 observações e dez observações por pai; o conjunto 2, com 2.500 GC, 40 observações e quatro observações por pai; e o conjunto 3, com 5.000 GC, 20 observações e dois filhos por pai. em cada população, gerou-se GMD1, a qual foi transformada em outra variável, da seguinte forma: DIAS1 = 100/GMD1. Calcularam-se para cada pai, dentro de cada GC, as contribuições de cada GC ao valor de cada pai, para GMD1 (Cx) e DIAS1 (Cy). Os efeitos do máximo e da média de DIAS1 no grupo sobre o valor absoluto de Cy foram significativos, mas o R² foi baixo (máximo de 16%). O mínimo de DIAS1 não influenciou o valor de Cy. O máximo e o mínimo de GMD1 sobre Cx foram significativos, mas os R² foram muito baixos (máximo de 2%). A média não influenciou Cx. em grupos de contemporâneos com um animal com valor de GMD muito baixo, o valor de DIAS desse animal será relativamente muito mais alto, o que afetará a média do grupo e os valores de todos os animais do grupo. Esse efeito se refletirá na avaliação de seus pais e será mais uma importante fonte de erros na avaliação genética do rebanho. Assim, a utilização de DIAS em substituição ao GMD como critério de seleção para o melhoramento de bovinos é contra-indicada, pois deverá reduzir a possibilidade de ganho genético para crescimento.
Resumo:
Dentre as etapas de produção do feijoeiro a colheita é uma das mais importantes, porque pode interferir de maneira decisiva na qualidade e no custo de produção. Assim, objetivou-se avaliar a qualidade da operação da colheita mecanizada de feijão (Phaseolus vulgaris), cultivado sob preparo convencional e plantio direto. As variáveis analisadas foram: o nível de ruído emitido, calculado através de um medidor de pressão sonora; o desempenho operacional, sendo monitorado o consumo de combustível, a patinagem dos rodados e a velocidade de deslocamento do conjunto coletados em uma central digital (datalogger); e a operação de colheita quanto à matéria seca e densidade de palhada, e as perdas na colheita. A velocidade e os consumos horário e operacional apresentaram distribuição normal dos dados, enquanto que o nível de ruído apresentou distribuição assimétrica. As perdas na colheita mecanizada de feijão e a densidade de palhada apresentaram baixa variabilidade e distribuição normal. Assim, apenas o consumo horário e a produção de matéria seca de palhada apresentaram comportamento instável em relação ao controle estatístico de processo, enquanto os demais indicadores mostraram condições de manter a qualidade da operação de colheita tanto no preparo convencional de solo quanto no plantio direto.
Resumo:
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Resumo:
Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
Resumo:
Pós-graduação em Agronomia (Energia na Agricultura) - FCA
Resumo:
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Resumo:
Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)
Resumo:
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Resumo:
The James-Stein estimator is a biased shrinkage estimator with uniformly smaller risk than the risk of the sample mean estimator for the mean of multivariate normal distribution, except in the one-dimensional or two-dimensional cases. In this work we have used more heuristic arguments and intensified the geometric treatment of the theory of James-Stein estimator. New type James-Stein shrinking estimators are proposed and the Mahalanobis metric used to address the James-Stein estimator. . To evaluate the performance of the estimator proposed, in relation to the sample mean estimator, we used the computer simulation by the Monte Carlo method by calculating the mean square error. The result indicates that the new estimator has better performance relative to the sample mean estimator.
Resumo:
Pós-graduação em Desenvolvimento Humano e Tecnologias - IBRC
Resumo:
Pós-graduação em Desenvolvimento Humano e Tecnologias - IBRC
Resumo:
Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)
Resumo:
Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
Resumo:
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)