dc.creatorSena Junior, Manoel Raimundo
dc.date1997
dc.date1997-03-03T00:00:00Z
dc.date2017-03-21T15:59:15Z
dc.date2017-07-13T19:48:52Z
dc.date2017-03-21T15:59:15Z
dc.date2017-07-13T19:48:52Z
dc.date.accessioned2018-03-29T03:55:12Z
dc.date.available2018-03-29T03:55:12Z
dc.identifierSENA JUNIOR, Manoel Raimundo. Aplicações estatisticas em reconhecimento de padrões com enfase em verificação de assinaturas. 1997. 143f. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação, Campinas, SP. Disponível em: <http://libdigi.unicamp.br/document/?code=vtls000115688>. Acesso em: 21 mar. 2017.
dc.identifierhttp://repositorio.unicamp.br/jspui/handle/REPOSIP/260935
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/1338206
dc.descriptionOrientador: Lee Luan Ling
dc.descriptionTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação
dc.descriptionResumo: Neste trabalho apresentamos um estudo estatístico sobre seleção de variáveis e classificação de objetos em relação a dois padrões. Descrevemos alguns métodos de classificação conhecidos na literatura, construídos com base nas observações dos dois padrões. Dentre eles destacamos a classificação via Análise Discriminante e Modelos de Regressão Logística. Mais resumidamente descrevemos o Classificador de Bayes e um outro classificador, baseado nas observações de apenas um padrão fixado, que utiliza uma aproximação da distância de um objeto ao centro da distribuição normal, pela distribuição Qui-quadrado. Introduzimos um novo classificador, baseado apenas nas observações de um padrão fixado, que utiliza uma aproximação da distância de Mahalanobis de um objeto ao centro da distribuição normal, pela distribuição 'T POT. 2' de Hotelling. Comparamos seu desempenho, através de um estudo de simulação, com os demais classificadores em termos de taxa de classificação errônea. Descrevemos também alguns métodos de seleção de características significantes com base nos respectivos classificadores, além de outros métodos de seleção conhecidos na literatura, construídos com base nas observações apenas de um padrão fixado. Introduzimos um novo método de seleção com base no novo classificador. Um estudo de simulação para comparar o desempenho dos métodos de seleção apresentados foi realizado, onde o processo de classificação utiliza apenas as características significantes
dc.descriptionAbstract: In this work, we describe and compile statistical classification methods about feature selection and object recognition for the case of two pattern classification. First of all, we describe some well-known statistical classification methods when observed samples of both patterns are avaliable. We provide some special attention to the description of the Discriminant Analysis and the Logistic Regression Models. A brief description of the Bayes classification method is provided. We also analyse the case when only one pattern is observable. In this case, the distance measure between the input feature vector and reference vector is assumed to have Qui-squared distribution. We also introduce a novel statistical classification method for the one-pattern observable case, by considering the distance measure as being the 'T POT. 2' Hotelling distribution. Performance comparison in terms of misclassification error is done via simulation. Next, we describe some, well-known, selection methods in the literature and suggest some feature selection strategies based on the classification methods previously described. Simulation investigation is performed to evaluate the classification methods using only significant selected features in terms of misclassification error. Finally, we apply the proposed feature selection and classification methods to signature verification problems, involving both static and dynamic human signatures
dc.descriptionDoutorado
dc.descriptionTitulaçao: Doutor em Engenharia Eletrica
dc.format143f. : il.
dc.formatapplication/pdf
dc.languagePortuguês
dc.publisher[s.n.]
dc.subjectReconhecimento de padrões
dc.subjectEstatistica - Classificação
dc.subjectAnálise multivariada
dc.titleAplicações estatisticas em reconhecimento de padrões com enfase em verificação de assinaturas
dc.typeTesis


Este ítem pertenece a la siguiente institución