INSTITUTO FEDERAL DE EDUCAO, CINCIA E TECNOLOGIA

DO CEARA
PR-REITORIA DE ENSINO
COORDENADORIA DE TELEMTICA DO CAMPUS MARACANA
BACHARELADO EM CINCIA DA COMPUTAO

FELIPE MARCEL DE QUEIROZ SANTOS

TTULO DO TRABALHO

MARACANA
2015
FELIPE MARCEL DE QUEIROZ SANTOS

T I TULO DO TRABALHO

Monografia submetida Coordenadoria de

Telemtica e Coordenadoria do Curso de
Bacharelado em Cincia da Computao
do Instituto Federal do Cear - Campus
Maracana, como requisito parcial para
obteno do grau de Bacharel em Cincia
da Computao.

rea de pesquisa: Aprendizagem de

Mquina

Orientador:D.r AMAURI HOLANDA

SOUZA JUNIOR

Maracana
2015
 INSTITUTO FEDERAL DE EDUCAO, CINCIA E TECNOLOGIA DO CEAR
COORDENAO DE PS-GRADUAO EM ENGENHARIA DE
TELECOMUNICAES

FELIPE MARCEL DE QUEIROZ SANTOS

Esta Monografia foi julgada adequada para a obteno do Grau de Bacharel em

Cincia da Computao, sendo aprovada pela Coordenadoria de Telemtica e pela
Coordenadoria do curso de Bacharelado em Cincia da Computao do Campus
Maracana do Instituto Federal de Educao, Cincia e Tecnologia do Cear e pela
banca examinadora:

Orientador: Prof. Dr. Amauri

Instituto Federal do Cear - IFCE

Prof. Dr. Huguinho

Instituto Federal do Cear - IFCE

Prof. Dr. Zezinho

Instituto Federal do Cear - IFCE

Prof. Dr. Luizinho

Instituto Federal do Cear - IFCE

Fortaleza, 06 de Abril de 2013

Dedico este trabalho ...
Agradecimentos
A mente que se abre a uma nova idia jamais voltar
ao seu tamanho original.

Albert Einstein
 Resumo

Este trabalho apresenta...

 Abstract

This work presents...

 Sumrio

Lista de Figuras

Lista de Tabelas

Lista de Smbolos

Lista de Abreviacoes

1 Introduo 14

1.1 Motivao e objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1.2 Contribuicoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1.3 Producao cientifica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1.4 Organizacao da tese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2 Mtodos de Kernel 16

2.1 Kernel em anlise de padres . . . . . . . . . . . . . . . . . . . . . . . . 16

2.1.1 Exemplo de uma equao mais complexa . . . . . . . . . . . . . 17

2.2 Tabelas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3 Mtodo Proposto 20

4 Resultados Experimentais 21

5 Concluso e Trabalhos Futuros 22

Apndice A -- Ttulo do Apndice 23

Apndice B -- Exemplo do pacote Algorithm 24
 Lista de Figuras

1 Curvas de funes de probabilidade: (a) exemplo 1, (b) exemplo 2. . . . 19

 Lista de Tabelas

1 Modelos estatsticos e suas relaes. . . . . . . . . . . . . . . . . . . . 18

 Lista de Smbolos

Z variavel aleatoria

R conjunto dos nmeros reais

t tempo contnuo

n tempo discreto

f (z) funo densidade de probabilidade

F(z) funo de distribuio acumulada

desvio padro

mdia ou esperana matemtica

|| operador magnitude

operador gradiente
 Lista de Abreviacoes

fdp Funo densidade de probabilidade

fda Funo de distribuio acumulada

EMQ Erro mdio quadrtico

 14

C APTULO 1

I NTRODUO

Este documento consiste de um modelo basico para a producao de documentos

academicos, seguindo as normas ABNT.

Nao e abordado o estudo do LaTex neste template. Sugerimos a leitura do texto em

??). O uso do LaTex e aconselhavel devido a sua qualidade grafica, facil referenciacao,
criacao de listas, indices, referencias bibliograficas e escrita matematica profissional.
Porem, nao e obrigatorio o uso deste template, apenas as orientacoes de formatao
segundo as normas ABNT devem ser obrigatoriamente seguidas.

Uma observao em particular a de que, no pacote ABNTex, as referncias

diretas devem utilizar o comando citeonline. Referncias indiretas utilizam o
comando cite.

Exemplo de citacao direta: Uma otima fonte de estudo para compreender o LaTex
e apresentada por ??).

Exemplo de citao indireta: Existem boas fontes de pesquisa para entendimento

do LaTex (??), estas incluem documentao online disponvel na web.

1.1 Motivao e objetivos

1.2 Contribuicoes

1.3 Producao cientifica

1.4 Organizacao da tese

Capitulo 2: descricao...

Capitulo 3: descricaoo...
1.4 Organizacao da tese 15

Capitulo 4: descricao...

Capitulo 5: descricao...
 16

C APTULO 2

M TODOS DE K ERNEL

Este captulo tem como objetivo

2.1 Kernel em anlise de padres

Em anlise de padres, temos como objetivo detectar automaticamente padres

em um conjunto de dados de um determinado problema. Por padres, podemos
entender qualquer relao ou regularidades inerentes alguma estrutura em uma
fonte de dados. Essa anlise geralmente feita a partir dos valores de entrada e suas
respectivas sadas(no caso da aprendizagem supervisionada) fornecidas no problema.
Essas informaes podem formar padres em que se torna possvel verificar o valor
de uma sada dada uma nova entrada fornecida pelo usurio.

Diversos problemas podem ser resolvidos utilizando esta abordagem,

categorizao de textos, anlise de sequncias de DNA, reconhecimento de
escrita, por exemplo.

A abordagem de anlise de padres utilizando mtodos de kernel se baseia em

adaptar os dados de entrada em um espao caracterstico adequado e nos algoritmos
usados para descobrir os padres do problema. Levando em conta isso, podemos
pensar que qualquer soluo com mtodos de kernel composta por estas duas
partes: uma em que feito o mapeamento nesse espao caracterstico e a outra em
que executado o algoritmo de aprendizagem para detectar os padres neste espao.
A ideia por trs desta abordagem poder mapear os dados em um espao em que
possamos

Uma das principais caracersticas desses mtodos o atalho computacional que

pode ser utilizado, tal atalho conhecido como funo de kernel.

O Kernel uma funo de mapeamento de dados em dimenses superiores com

a motivao de torn-los mais fceis de separar ou estrutur-los de maneira mais
2.2 Tabelas 17

adequada. Essas funes podem ser utilizadas nas tarefas de reconhecimento de

padres.

Z = X Y, (2.1)

em que Z, X e Y so variveis complexas. A referenciao Equao (2.1) feita por

meio do comando ref. O mesmo vale para outros tipos de elementos.

2.1.1 Exemplo de uma equao mais complexa

Equaes mais complexas podem ser mais facilmente escritas com uso do
programa TexAide. Como, por exemplo,

2 21
exp x2 .


f1/2 (x; , ) = x (2.2)
()
, > 0.

em que () a funo Gama. O programa TexAide semelhante ao MathType do

Office, porm ao copiar e colar a equao em um arquivo tex, gerado o cdigo em
LaTex referente a esta equao.

2.2 Tabelas

Tabelas so essenciais na apresentao de dados. A Tabela 1 mostra um exemplo

do uso deste tipo de elemento. Vale ressaltar que no aconselhvel o uso de linhas
verticais em trabalhos acadmicos e de pesquisa.

A Figura 1 mostra o exemplo do uso do comando subfigure. Apesar de aceitar

diferentes tipos de imagens. prefervel que as imagens estejam no formato .eps. Isso
garante que a imagem impressa seja exatamente aquela visualizada, como acontece
com arquivos pdf.
2.2 Tabelas 18

Tabela 1: Modelos estatsticos e suas relaes.

, > 0 , Homogneo
0 Heterogneo /
D P p
(, )
N 1/2 (x; ,, )
D P p
1/2 (,) 1
0 Extremamente / 1
, > 0 Heterogneo , Homogneo

, > 0 , Homogneo
0 Heterogneo /
D P
KA (, ,n) (n,n/ )
GA (z; ,, ,n)
D P
GA0 (,,n) (n,n )
0 Extremamente /
, > 0 Heterogneo , Homogneo
2.2 Tabelas 19

2,5
=12,5
=4,5
2 =1,5
A
fG0

1,5

0,5

0
0 0,5 1 1,5 2 2,5 3 3,5 4
z
(a)

6
=12,5
=4,5
5
=1,5
4
A
0
G
f

0
0 0,5 1 1,5 2 2,5 3 3,5 4
z
(b)

Figura 1: Curvas de funes de probabilidade: (a) exemplo 1, (b) exemplo 2.

 20

C APTULO 3

M TODO P ROPOSTO
 21

C APTULO 4

R ESULTADOS E XPERIMENTAIS
 22

C APTULO 5

C ONCLUSO E T RABALHOS F UTUROS

 23

APNDICE A -- Ttulo do Apndice

 24

APNDICE B -- Exemplo do pacote Algorithm

Algoritmo 1 Estimador ML otimizado.

1: Inicializar o contador: j 1;
2: Fixar o limiar de variao das estimativas: eout 104 ;
3: Fixar o nmero mximo de iteraes: N 1000;
4: Computar o ponto inicial: (0);
5: Determinar o limiar inicial: e1 1000;
6: Estabelecer o valor inicial de : (0) 106 ;
7: enquanto e j eout e j M fazer
8: Solucionar j arg max l1 (; j1 ,z,n);
9: Solucionar j arg max l2 (; j ,z,n);
10: j j+1
11: Computar o critrio de convergncia: e j ;
12: fim enquanto