• Nenhum resultado encontrado

Segmentação de vastos volumes de dados com o SNNagg

N/A
N/A
Protected

Academic year: 2020

Share "Segmentação de vastos volumes de dados com o SNNagg"

Copied!
97
0
0

Texto

(1)

João Rui Magalhães Velho da Cunha Galvão

Segmentação de vastos

volumes de dados com o SNN

agg

João Rui Magalhães Velho da Cunha Galvão

dezembro de 2014

UMinho | 201

4

Segment

ação de v

as

tos

volumes de dados com o SNN

agg

Universidade do Minho

Escola de Engenharia

(2)
(3)

dezembro de 2014

Dissertação de Mestrado

Ciclo de Estudos Integrados Conducentes ao

Grau de Mestre em Engenharia de Comunicações

Trabalho efetuado sob a orientação da

Professora Doutora Maribel Yasmina Santos

João Rui Magalhães Velho da Cunha Galvão

Segmentação de vastos

volumes de dados com o SNN

agg

Universidade do Minho

Escola de Engenharia

(4)

DECLARAÇÃO

Nome: ___________________________________________________________________

Correio electrónico: __________________________________________________________

Tel./Tlm.: _____________Número do Bilhete de Identidade:___________________________

Título da dissertação/tese_____________________________________________________

________________________________________________Ano de conclusão: __________

Orientador(es): _____________________________________________________________

________________________________________________________________________

Designação do Mestrado:

Ciclo de Estudos Integrados Conducentes ao Grau de Mestre em

Área de Especialização:_______________________________________________________

Escola/Instituto:____________________________________________________________

Departamento: _____________________________________________________________

1.

É AUTORIZADA A REPRODUÇÃO INTEGRAL DESTA TESE/TRABALHO APENAS PARA EFEITOS DE

INVESTIGAÇÃO, MEDIANTE DECLARAÇÃO ESCRITA DO INTERESSADO, QUE A TAL SE COMPROMETE;

2.

É AUTORIZADA A REPRODUÇÃO PARCIAL DESTA TESE/TRABALHO (indicar, caso tal seja necessário,

nº máximo de páginas, ilustrações, gráficos, etc.), APENAS PARA EFEITOS DE INVESTIGAÇÃO, , MEDIANTE

DECLARAÇÃO ESCRITA DO INTERESSADO, QUE A TAL SE COMPROMETE;

3.

DE ACORDO COM A LEGISLAÇÃO EM VIGOR, NÃO É PERMITIDA A REPRODUÇÃO DE QUALQUER

PARTE DESTA TESE/TRABALHO

Guimarães

, ___/___/______

(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)
(13)
(14)
(15)
(16)
(17)
(18)
(19)
(20)
(21)
(22)
(23)
(24)
(25)
(26)
(27)
(28)
(29)
(30)
(31)
(32)
(33)
(34)
(35)
(36)
(37)
(38)
(39)
(40)
(41)
(42)
(43)
(44)
(45)
(46)
(47)
(48)
(49)

Intracluster =

!

t

i=1

!

l

j=1

|F dist(o

j

, m

i

)|

l

t

,

(50)

Intercluster =

!

t

i=1

!

t

j=i

!

li

Y =1

!

lj

z=1

|F dist(o

y

,o

z

)

|

l

i

∗l

j

!

t

k=1

n

k

,

!

t

k=1

n

k

(51)
(52)
(53)
(54)
(55)
(56)

Kd-SNN

Gravação do tempo de

execução

3 - Cálculo da

densidade

4 - Classificação dos

Core points

Input

K

Eps

MinPts

5 - Construção dos

clusters

Inicio

1 - Leitura do dataset

2 - Lista de k vizinhos

Dataset

Output

Ficheiro

com o

resultado

do

clustering

Ficheiro

com a

duração

da

execução

(57)
(58)
(59)
(60)

0"

50"

100"

150"

200"

250"

300"

350"

Model&Quality&

Time&get&from&file&

Quality(vs.(Time(

t5.8k

+25%rp.txt085015080"

t5.8k

+50%rp.txt0102018096"

t5.8k

+100%rp.txt01360240128"

0"

20"

40"

60"

80"

100"

120"

140"

160"

Mean%of%

density%

density%

Max%of%

density%

Min%of%

Density%

Std%

Density(

t5.8k

+25%rp.txt185115180"

t5.8k

+50%rp.txt1102118196"

t5.8k

+100%rp.txt11361241128"

0"

50"

100"

150"

200"

250"

Model&Quality&

Time&get&from&file&

Quality(vs.(Time(

MARIN+Che

+25%rp.csv+89+16+84"

MARIN+Che

+50%rp.csv+107+18+101"

MARIN+Che

+100%rp.csv+142+25+134"

0"

20"

40"

60"

80"

100"

120"

140"

160"

Mean%of%

density%

density%

Max%of%

density%

Min%of%

Density%

Std%

Density(

MARIN-Che

+25%rp.csv-89-16-84"

MARIN-Che

+50%rp.csv-107-18-101"

MARIN-Che

+100%rp.csv-142-25-134"

(61)

0"

200"

400"

600"

800"

1000"

1200"

Model&Quality&

Time&get&from&file&

Quality(vs.(Time(

twi+er_F16000+25%rp.t

xt61706306160"

twi+er_F16000+50%rp.t

xt62046366192"

twi+er_F16000+100%rp.

txt62726486256"

0"

50"

100"

150"

200"

250"

300"

Mean%of%

density%

Max%of%

density%

density%

Min%of%

Density%

Std%

Density(

twi*er_F16000+25%rp.tx

t51705305160"

twi*er_F16000+50%rp.tx

t52045365192"

twi*er_F16000+100%rp.

txt52725485256"

(62)

SNNr&r

Gravação do tempo de

execução

3 - Cálculo da

densidade

4 - Classificação dos

Core points

Input

K

Eps

MinPts

5 - Construção dos

clusters

Inicio

1 - Leitura do dataset

2 - Lista de k vizinhos

Dataset

Output

Ficheiro

com o

resultado

do

clustering

Ficheiro

com a

duração

da

execução

1.1 - Retira os pontos

repetidos

5.1 - Junta os pontos

repetidos

(63)
(64)
(65)
(66)

0" 20" 40" 60" 80" 100" 120" 140" 160" 180" 200" 107)19)101" 10 7) 19 )1 01 )R& R" 128)23)120" 12 8) 23 )1 20 )R& R" 170)30)160" 17 0) 30 )1 60 )R& R" t7.10k+25%rp" t7.10k+50%rp" t7.10k+100%rp"

Time%

Time" 0" 50" 100" 150" 200" 250" 300" 107(19(101" 10 7( 19 (1 01 (R& R" 85 (1 5( 80 (R& R" 128(23(120" 12 8( 23 (1 20 (R& R" 85 (1 5( 80 (R& R" 170(30(160" 17 0( 30 (1 60 (R& R" 85 (1 5( 80 (R& R" t7.10k+25%rp" t7.10k+50%rp" t7.10k+100%rp"

Model&Quality&

Model&Quality& 0" 20" 40" 60" 80" 100" 120" 140" 160" 180" 107)19)101" 10 7) 19 )1 01 )R& R" 85 )1 5) 80 )R& R" 128)23)120" 12 8) 23 )1 20 )R& R" 85 )1 5) 80 )R& R" 170)30)160" 17 0) 30 )1 60 )R& R" 85 )1 5) 80 )R& R" t7.10k+25%rp" t7.10k+50%rp" t7.10k+100%rp"

Density(

Mean%of%density% Max%of%density% Min%of%density% Density%Std%

(67)
(68)

0" 50" 100" 150" 200" 250" 89(16(84" 89 (1 6( 84 (R& R" 107(18(101" 10 7( 18 (1 01 (R& R" 142(25(134" 14 2( 25 (1 34 (R& R"

MARIN(Che+25%rp" MARIN(Che+50%rp" MARIN(Che+100%rp"

Time%

Time" 0" 10" 20" 30" 40" 50" 60" 89+16+84" 89 +1 6+ 84 +R& R" 14 1+ 25 +1 33 +R& R" 107+18+101" 10 7+ 18 +1 01 +R& R" 14 1+ 25 +1 33 +R& R" 142+25+134" 14 2+ 25 +1 34 +R& R" 14 1+ 25 +1 33 +R& R"

MARIN+Che+25%rp" MARIN+Che+50%rp" MARIN+Che+100%rp"

Model&Quality&

Model&Quality& 0" 20" 40" 60" 80" 100" 120" 140" 160" 89)16)84" 89 )1 6) 84 )R& R" 14 1) 25 )1 33 )R& R" 107)18)101" 10 7) 18 )1 01 )R& R" 14 1) 25 )1 33 )R& R" 142)25)134" 14 2) 25 )1 34 )R& R" 14 1) 25 )1 33 )R& R"

MARIN)Che+25%rp" MARIN)Che+50%rp" MARIN)Che+100%rp"

Density(

Mean%of%density% Max%of%density% Min%of%density% Density%Std%

(69)

0" 200" 400" 600" 800" 1000" 1200" 170)30)160" 17 0) 30 )1 60 )R& R" 204)36)192" 20 4) 36 )1 92 )R& R" 272)48)256" 27 2) 48 )2 56 )R& R"

twi2er_F16000+25%rp" twi2er_F16000+50%rp" twi2er_F16000+100%rp"

Time%

Time" 245$ 250$ 255$ 260$ 265$ 270$ 170)30)160$ 17 0) 30 )1 60 )R& R$ 13 6) 24 )1 28 )R& R$ 204)36)192$ 20 4) 36 )1 92 )R& R$ 13 6) 24 )1 28 )R& R$ 272)48)256$ 27 2) 48 )2 56 )R& R$ 13 6) 24 )1 28 )R& R$

twi2er_F16000+25%rp$ twi2er_F16000+50%rp$ twi2er_F16000+100%rp$

Model&Quality&

Model&Quality& 0" 50" 100" 150" 200" 250" 300" 170(30(160" 17 0( 30 (1 60 (R& R" 13 6( 24 (1 28 (R& R" 204(36(192" 20 4( 36 (1 92 (R& R" 13 6( 24 (1 28 (R& R" 272(48(256" 27 2( 48 (2 56 (R& R" 13 6( 24 (1 28 (R& R"

twi2er_F16000+25%rp" twi2er_F16000+50%rp" twi2er_F16000+100%rp"

Density(

Mean%of%density% Max%of%density% Min%of%density% Density%Std%

(70)
(71)
(72)

SNNad

Gravação do tempo de

execução

3 - Cálculo da

densidade

4 - Classificação dos

Core points

Input

K

Eps

MinPts

5 - Construção dos

clusters

Inicio

1 - Leitura do dataset

2 - Lista de k vizinhos

Dataset

Output

Ficheiro

com o

resultado

do

clustering

Ficheiro

com a

duração

da

execução

1.1 - Retira os pontos

repetidos

5.1 - Junta os pontos

repetidos

3.1 - Incrementa a

densidade dos pontos

representativos

(73)
(74)

0" 20" 40" 60" 80" 100" 120" 140" 160" 180" 200" 107)19)101" 10 7) 19 )1 01 )ad " 128)23)120" 12 8) 23 )1 20 )ad " 170)30)160" 17 0) 30 )1 60 )ad " t7.10k+25%rp" t7.10k+50%rp" t7.10k+100%rp"

Time%

Time" 0" 50" 100" 150" 200" 250" 300" 107(19(101" 10 7( 19 (1 01 (ad " 85 (1 5( 80 (ad " 128(23(120" 12 8( 23 (1 20 (ad " 85 (1 5( 80 (ad " 170(30(160" 17 0( 30 (1 60 (ad " 85 (1 5( 80 (ad " t7.10k+25%rp" t7.10k+50%rp" t7.10k+100%rp"

Model&Quality&

Model&Quality& 0" 20" 40" 60" 80" 100" 120" 140" 160" 180" 107)19)101" 10 7) 19 )1 01 )ad " 85 )1 5) 80 )ad " 128)23)120" 12 8) 23 )1 20 )ad " 85 )1 5) 80 )ad " 170)30)160" 17 0) 30 )1 60 )ad " 85 )1 5) 80 )ad " t7.10k+25%rp" t7.10k+50%rp" t7.10k+100%rp"

Density(

Mean%of%density% Max%of%density% Min%of%density% Density%Std%

(75)

0" 50" 100" 150" 200" 250" 89(16(84" 89 (1 6( 84 (ad " 107(18(101" 10 7( 18 (1 01 (ad " 142(25(134" 14 2( 25 (1 34 (ad "

MARIN(Che+25%rp" MARIN(Che+50%rp" MARIN(Che+100%rp"

Time%

Time" 0" 10" 20" 30" 40" 50" 60" 89+16+84" 89 +1 6+ 84 +ad " 14 1+ 25 +1 33 +ad " 107+18+101" 10 7+ 18 +1 01 +ad " 14 1+ 25 +1 33 +ad " 142+25+134" 14 2+ 25 +1 34 +ad " 14 1+ 25 +1 33 +ad "

MARIN+Che+25%rp" MARIN+Che+50%rp" MARIN+Che+100%rp"

Model&Quality&

Model&Quality& 0" 20" 40" 60" 80" 100" 120" 140" 160" 89)16)84" 89 )1 6) 84 )ad " 14 1) 25 )1 33 )ad " 107)18)101" 10 7) 18 )1 01 )ad " 14 1) 25 )1 33 )ad " 142)25)134" 14 2) 25 )1 34 )ad " 14 1) 25 )1 33 )ad "

MARIN)Che+25%rp" MARIN)Che+50%rp" MARIN)Che+100%rp"

Density(

Mean%of%density% Max%of%density% Min%of%density% Density%Std%

(76)

0" 200" 400" 600" 800" 1000" 1200" 170)30)160" 17 0) 30 )1 60 )ad " 204)36)192" 20 4) 36 )1 92 )ad " 272)48)256" 27 2) 48 )2 56 )ad "

twi2er_F16000+25%rp" twi2er_F16000+50%rp" twi2er_F16000+100%rp"

Time%

Time" 245$ 250$ 255$ 260$ 265$ 270$ 170)30)160$ 17 0) 30 )1 60 )ad $ 13 6) 24 )1 28 )ad $ 204)36)192$ 20 4) 36 )1 92 )ad $ 13 6) 24 )1 28 )ad $ 272)48)256$ 27 2) 48 )2 56 )ad $ 13 6) 24 )1 28 )ad $

twi2er_F16000+25%rp$ twi2er_F16000+50%rp$ twi2er_F16000+100%rp$

Model&Quality&

Model&Quality& 0" 50" 100" 150" 200" 250" 300" 170(30(160" 17 0( 30 (1 60 (ad " 13 6( 24 (1 28 (ad " 204(36(192" 20 4( 36 (1 92 (ad " 13 6( 24 (1 28 (ad " 272(48(256" 27 2( 48 (2 56 (ad " 13 6( 24 (1 28 (ad "

twi2er_F16000+25%rp" twi2er_F16000+50%rp" twi2er_F16000+100%rp"

Density(

Mean%of%density% Max%of%density% Min%of%density% Density%Std%

(77)
(78)

SNNagg

Gravação do tempo de

execução

3 - Cálculo da

densidade

4 - Classificação dos

Core points

Input

K

Eps

MinPts

5 - Construção dos

clusters

Inicio

1 - Leitura do dataset

2 - Lista de k vizinhos

Dataset

Output

Ficheiro

com o

resultado

do

clustering

Ficheiro

com a

duração

da

execução

1.1 - Retira os pontos

repetidos

5.1 - Junta os pontos

repetidos

3.1 - Incrementa a

densidade dos pontos

representativos

2.1 - Inclui o desvio

padrão, do n. pontos

repetidos, no cálculo

da distância.

(79)

F d(x, y) = F da(x, y)

∗ ω +

σ(n

x

, n

y

)

M ax

σ

∗ (1 − ω)

F da(x, y)

x

y σ(n

x

, n

y

)

x y

M ax

σ

(80)
(81)
(82)

0" 20" 40" 60" 80" 100" 120" 140" 160" 180" 200" 107)19)101" 10 7) 19 )1 01 )ag g" 128)23)120" 12 8) 23 )1 20 )ag g" 170)30)160" 17 0) 30 )1 60 )ag g" t7.10k+25%rp" t7.10k+50%rp" t7.10k+100%rp"

Time%

Time" 0" 50" 100" 150" 200" 250" 300" 107(19(101" 10 7( 19 (1 01 (ag g" 85 (1 5( 80 (ag g" 128(23(120" 12 8( 23 (1 20 (ag g" 85 (1 5( 80 (ag g" 170(30(160" 17 0( 30 (1 60 (ag g" 85 (1 5( 80 (ag g" t7.10k+25%rp" t7.10k+50%rp" t7.10k+100%rp"

Model&Quality&

Model&Quality& 0" 20" 40" 60" 80" 100" 120" 140" 160" 180" 107)19)101" 10 7) 19 )1 01 )ag g" 85 )1 5) 80 )ag g" 128)23)120" 12 8) 23 )1 20 )ag g" 85 )1 5) 80 )ag g" 170)30)160" 17 0) 30 )1 60 )ag g" 85 )1 5) 80 )ag g" t7.10k+25%rp" t7.10k+50%rp" t7.10k+100%rp"

Density(

Mean%of%density% Max%of%density% Min%of%density% Density%Std%

(83)

0" 50" 100" 150" 200" 250" 89(16(84" 89 (1 6( 84 (ag g" 107(18(101" 10 7( 18 (1 01 (ag g" 142(25(134" 14 2( 25 (1 34 (ag g"

MARIN(Che+25%rp" MARIN(Che+50%rp" MARIN(Che+100%rp"

Time%

Time" 0" 5" 10" 15" 20" 25" 30" 35" 40" 45" 50" 89*16*84" 89 *1 6* 84 *ag g" 14 1* 25 *1 33 *ag g" 107*18*101" 10 7* 18 *1 01 *ag g" 14 1* 25 *1 33 *ag g" 142*25*134" 14 2* 25 *1 34 *ag g" 14 1* 25 *1 33 *ag g"

MARIN*Che+25%rp" MARIN*Che+50%rp" MARIN*Che+100%rp"

Model&Quality&

Model&Quality& 0" 20" 40" 60" 80" 100" 120" 140" 160" 89)16)84" 89 )1 6) 84 )ag g" 14 1) 25 )1 33 )ag g" 107)18)101" 10 7) 18 )1 01 )ag g" 14 1) 25 )1 33 )ag g" 142)25)134" 14 2) 25 )1 34 )ag g" 14 1) 25 )1 33 )ag g"

MARIN)Che+25%rp" MARIN)Che+50%rp" MARIN)Che+100%rp"

Density(

Mean%of%density% Max%of%density% Min%of%density% Density%Std%

(84)

0" 200" 400" 600" 800" 1000" 1200" 170)30)160" 17 0) 30 )1 60 )ag g" 204)36)192" 20 4) 36 )1 92 )ag g" 272)48)256" 27 2) 48 )2 56 )ag g"

twi2er_F16000+25%rp" twi2er_F16000+50%rp" twi2er_F16000+100%rp"

Time%

Time" 250$ 252$ 254$ 256$ 258$ 260$ 262$ 264$ 266$ 268$ 270$ 272$ 170*30*160$ 17 0* 30 *1 60 *ag g$ 13 6* 24 *1 28 *ag g$ 204*36*192$ 20 4* 36 *1 92 *ag g$ 13 6* 24 *1 28 *ag g$ 272*48*256$ 27 2* 48 *2 56 *ag g$ 13 6* 24 *1 28 *ag g$

twi2er_F16000+25%rp$ twi2er_F16000+50%rp$ twi2er_F16000+100%rp$

Model&Quality&

Model&Quality& 0" 50" 100" 150" 200" 250" 300" 170(30(160" 17 0( 30 (1 60 (ag g" 13 6( 24 (1 28 (ag g" 204(36(192" 20 4( 36 (1 92 (ag g" 13 6( 24 (1 28 (ag g" 272(48(256" 27 2( 48 (2 56 (ag g" 13 6( 24 (1 28 (ag g"

twi2er_F16000+25%rp" twi2er_F16000+50%rp" twi2er_F16000+100%rp"

Density(

Mean%of%density% Max%of%density% Min%of%density% Density%Std%

(85)
(86)
(87)

0" 10" 20" 30" 40" 50" 60" 70" 80" 90" 100" kd .S NN" SN N r&r " SN N ad " SN N ag g" kd .S NN" SN N r&r " SN N ad " SN N ag g" kd .S NN" SN N r&r " SN N ad " SN N ag g" kd .S NN" SN N r&r " SN N ad " SN N ag g" kd .S NN" SN N r&r " SN N ad " SN N ag g" kd .S NN" SN N r&r " SN N ad " SN N ag g" t4.8k+25%rp.txt.68.12.64" t4.8k+25%rp.txt.85.15.80" t4.8k+50%rp.txt.68.12.64" t4.8k+50%rp.txt.102.18.96" t4.8k+100%rp.txt.68.12.64" t4.8k +100%rp.txt.136.24.128"

Time%

0" 50" 100" 150" 200" 250" kd (S NN" SN N r&r " SN N ad " SN N ag g" kd (S NN" SN N r&r " SN N ad " SN N ag g" kd (S NN" SN N r&r " SN N ad " SN N ag g" kd (S NN" SN N r&r " SN N ad " SN N ag g" kd (S NN" SN N r&r " SN N ad " SN N ag g" kd (S NN" SN N r&r " SN N ad " SN N ag g" t4.8k+25%rp.txt(68(12(64" t4.8k+25%rp.txt(85(15(80" t4.8k+50%rp.txt(68(12(64" t4.8k+50%rp.txt(102(18(96" t4.8k+100%rp.txt(68(12(64" t4.8k +100%rp.txt(136(24(128"

Model&Quality&

(88)
(89)

0" 2" 4" 6" 8" 10" 12" 14" 16" 18" 20" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" MARIN*LPG

+25%rp.csv*35*7*33" +25%rp.csv*45*8*43"MARIN*LPG +50%rp.csv*35*7*33"MARIN*LPG +50%rp.csv*54*10*51"MARIN*LPG +100%rp.csv*35*7*33"MARIN*LPG +100%rp.csv*71*13*67"MARIN*LPG

Time%

0" 0,1" 0,2" 0,3" 0,4" 0,5" 0,6" kd ,S NN" SN N r&r " SN N ad " SN N ag g" kd ,S NN" SN N r&r " SN N ad " SN N ag g" kd ,S NN" SN N r&r " SN N ad " SN N ag g" kd ,S NN" SN N r&r " SN N ad " SN N ag g" kd ,S NN" SN N r&r " SN N ad " SN N ag g" kd ,S NN" SN N r&r " SN N ad " SN N ag g" MARIN,LPG

+25%rp.csv,35,7,33" +25%rp.csv,45,8,43"MARIN,LPG +50%rp.csv,35,7,33"MARIN,LPG +50%rp.csv,54,10,51"MARIN,LPG +100%rp.csv,35,7,33"MARIN,LPG +100%rp.csv,71,13,67"MARIN,LPG

(90)

0" 200" 400" 600" 800" 1000" 1200" 1400" 1600" 1800" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" tw_F32k+25%rp.txt*85*15*80" tw_F32k +25%rp.txt*272*48*256" tw_F32k+50%rp.txt*102*18*96" +50%rp.txt*272*48*256"tw_F32k +100%rp.txt*136*24*128"tw_F32k +100%rp.txt*272*48*256"tw_F32k

Time%

22" 22,5"23" 23,5"24" 24,5"25" 25,5"26" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" kd *S NN" SN N r&r " SN N ad " SN N ag g" tw_F32k+25%rp.txt*85*15*80" tw_F32k +25%rp.txt*272*48*256" tw_F32k+50%rp.txt*102*18*96" +50%rp.txt*272*48*256"tw_F32k +100%rp.txt*136*24*128"tw_F32k +100%rp.txt*272*48*256"tw_F32k

Model&Quality&

(91)
(92)
(93)
(94)
(95)
(96)
(97)

Referências

Documentos relacionados

O valor da reputação dos pseudônimos é igual a 0,8 devido aos fal- sos positivos do mecanismo auxiliar, que acabam por fazer com que a reputação mesmo dos usuários que enviam

Lopes et al., (2013), utiliza imagens de sensoriamento remoto do TM LANDSAT 5 na análise da qualidade da água com relação do clorofila-a espacializado nas margens

4 RESULTADOS E DISCUSSÃO 4.1 Caracterização da cobertura florestal e da biodiversidade vegetal no entorno dos cultivos de tomate na região de Apiaí-SP a Módulos

Our contributions are: a set of guidelines that provide meaning to the different modelling elements of SysML used during the design of systems; the individual formal semantics for

Neste tipo de situações, os valores da propriedade cuisine da classe Restaurant deixam de ser apenas “valores” sem semântica a apresentar (possivelmente) numa caixa

Com o intuito de aperfeic¸oar a realizac¸˜ao da pesquisa O/D, o objetivo do presente trabalho ´e criar um aplicativo para que os usu´arios do transporte p´ublico informem sua origem

Neste capítulo, será apresentada a Gestão Pública no município de Telêmaco Borba e a Instituição Privada de Ensino, onde será descrito como ocorre à relação entre

Dessa forma, a partir da perspectiva teórica do sociólogo francês Pierre Bourdieu, o presente trabalho busca compreender como a lógica produtivista introduzida no campo