Tomamos como imagen de prueba la figura 4.17 en escala de grises. Figura Imagen de prueba.
|
|
- María Isabel Ramírez Villanueva
- hace 7 años
- Vistas:
Transcripción
1 4.3 PARÁMETRO DE ESCALADO Para el caso del parámetro de escalado se va a proceder de la siguiente forma. Partimos de una imagen de referencia (imagen A), a la cual se le aplican cambios de translación en ambos ejes, T x =15 píxeles y T y =15 píxeles. También se le aplica un factor de rotación R=20º. De esta forma obtenemos una imagen B modificada respecto a la inicial. Para calcular la estimación de la escala se crean una serie de imágenes escaladas de la imagen B, las cuales corresponden a un factor de escala desde a (con 0.05 como paso incremental). Esta serie de imágenes son comparadas con la imagen A inicial. A todas ellas se les calcula el módulo de la transformada de Fourier y a continuación se les realiza la transformación log-polar. Por último, sólo nos queda calcular la correlación de fase para cada par de imágenes. Para observar mejor la exactitud de nuestras estimaciones, se mostrará una gráfica donde se comparan la estimación obtenida del factor de escala contra los valores reales de dicha escala. A continuación, se mostrarán una serie de imágenes diferentes de melanomas y los resultados obtenidos para cada una de ellas Foto 1 Tomamos como imagen de prueba la figura 4.17 en escala de grises. Figura Imagen de prueba. Los resultados obtenidos tras realizarle una serie de escalas diferentes desde a 1.400, con un paso de 0.05 se puede ver en la siguiente gráfica. 55
2 Figura Valores estimados de escalado frente a valores reales de escalado para una imagen dermatológica de prueba. Dicha imagen de prueba posee unos parámetros de translación de Tx=15 píxeles, Ty=15 píxeles y un factor de rotación de R=20º. La gráfica de color azul correspondería a los valores reales mientras que la gráfica roja sería la de los valores obtenidos de la simulación. Se puede observar que los valores de escalado obtenidos utilizando la transformación log-polar no son tan exactos como los de la rotación pero son bastante parecidos a los reales. Como datos estadísticos se podría decir que la diferencia máxima entre dos valores es de 6% aproximadamente. La diferencia media entre dos valores sería, en este caso, de aproximadamente 3.1%. Se puede apreciar que la estimación de la escala de a 1.000es bastante más exacta que de en adelante. Esto se debe a que al crear las imágenes simuladas aumentadas respecto a la de prueba, se usa una interpolación lineal para evitar la pérdida de datos. Por ello, es recomendable registrar siempre las imágenes agrandadas contra las imágenes más pequeñas. De esta forma no hace falta interpolar para evitar pérdida de datos y se alcanzará una mayor precisión en la estimación. 56
3 4.3.2 Foto 2 Tomamos como imagen de prueba la figura 4.19 en escala de grises. Figura Imagen de prueba. Los resultados obtenidos tras realizarle una serie de escalas diferentes desde a 1.400, con un paso de 0.05 se puede ver en la siguiente gráfica. Figura Valores estimados de escalado frente a valores reales de escalado para una imagen dermatológica de prueba. Dicha imagen de prueba posee unos parámetros de translación de Tx=15 píxeles, Ty=15 píxeles y un factor de rotación de R=20º. 57
4 La gráfica de color azul correspondería a los valores reales mientras que la gráfica roja sería la de los valores obtenidos de la simulación. Se puede observar que los valores de escalado obtenidos utilizando la transformación log-polar no son tan exactos como los de la rotación pero son bastante parecidos a los reales. Como datos estadísticos se podría decir que la diferencia máxima entre dos valores es de 6.7% aproximadamente. La diferencia media entre dos valores sería, en este caso, de aproximadamente 3.6%. Se puede apreciar que la estimación de la escala de a 1.000es bastante más exacta que de en adelante. Ocurre algo parecido al ejemplo anterior. Las razones son las mismas a las expuestas en el ejemplo Foto 3 Tomamos como imagen de prueba la figura 4.21 en escala de grises. Figura Imagen de prueba. Los resultados obtenidos tras realizarle una serie de escalas diferentes desde a 1.400, con un paso de 0.05 se puede ver en la siguiente gráfica. 58
5 Figura Valores estimados de escalado frente a valores reales de escalado para una imagen dermatológica de prueba. Dicha imagen de prueba posee unos parámetros de translación de Tx=15 píxeles, Ty=15 píxeles y un factor de rotación de R=20º. La gráfica de color azul correspondería a los valores reales mientras que la gráfica roja sería la de los valores obtenidos de la simulación. Se puede observar que los valores de escalado obtenidos utilizando la transformación log-polar no son tan exactos como los de la rotación pero son bastante parecidos a los reales. Como datos estadísticos se podría decir que la diferencia máxima entre dos valores es de 6.02% aproximadamente. La diferencia media entre dos valores sería, en este caso, de aproximadamente 3.1%. Se puede apreciar que la estimación de la escala de a 1.000es bastante más exacta que de en adelante. Ocurre algo parecido a los ejemplos anteriores. Las razones son las mismas a las expuestas en el ejemplo 1. 59
6 4.3.4 Foto 4 Tomamos como imagen de prueba la figura 4.23 en escala de grises. Figura Imagen de prueba. Los resultados obtenidos tras realizarle una serie de escalas diferentes desde a 1.400, con un paso de 0.05 se puede ver en la siguiente gráfica. Figura Valores estimados de escalado frente a valores reales de escalado para una imagen dermatológica de prueba. Dicha imagen de prueba posee unos parámetros de translación de Tx=15 píxeles, Ty=15 píxeles y un factor de rotación de R=20º. 60
7 La gráfica de color azul correspondería a los valores reales mientras que la gráfica roja sería la de los valores obtenidos de la simulación. Se puede observar que los valores de escalado obtenidos utilizando la transformación log-polar no son tan exactos como los de la rotación pero son bastante parecidos a los reales. Como datos estadísticos se podría decir que la diferencia máxima entre dos valores es de 6.2% aproximadamente. La diferencia media entre dos valores sería, en este caso, de aproximadamente 3.4%. Se puede apreciar que la estimación de la escala de a 1.000es bastante más exacta que de en adelante. Ocurre algo parecido a los ejemplos anteriores. Las razones son las mismas a las expuestas en el ejemplo Foto 5 A continuación, se van a mostrar varios casos de imágenes reales, es decir, que no tienen una imagen de prueba sobre la que se hacen las modificaciones. Aquí tenemos dos imágenes reales de un mismo melanoma, donde una de ellas está escalada respecto a la otra. Anteriormente, no se han presentado resultados de modificaciones de escala de mayores magnitudes ya que en la vida real no es común encontrar tanta diferencia entre las imágenes. Pero, tengo que reconocer, que es más fácil encontrar fotos de melanomas con diferentes escalas que con diferentes rotaciones. Aunque, de todas formas, suelen ser imágenes bastante parecidas. Figura Imagen de melanoma. 61
8 Figura Imagen de melanoma escalada respecto a la anterior. Se puede observar como están ligeramente escaladas una respecto de la otra. Tras aplicar nuestro algoritmo obtenemos que están escaladas aproximadamente unos 1.22 veces. Esta medida no se puede comprobar, obviamente, ya que no conocemos a priori el factor de escala, pero se aproxima bastante nuestra estimación por los resultados obtenidos anteriormente Foto 6 Otro posible par de imágenes escaladas podría ser: Figura Imagen de melanoma. 62
9 Figura Imagen de melanoma escalada respecto a la anterior. Aquí se observa claramente que las imágenes están escaladas una respecto de la otra. Tras aplicar nuestro algoritmo obtenemos que están escaladas aproximadamente unos 1.96 veces. Esta medida no se puede comprobar, obviamente, ya que no conocemos a priori el factor de escala, pero se aproxima bastante nuestra estimación por los resultados obtenidos anteriormente Foto 7 Otro posible par de imágenes escaladas podría ser: Figura Imagen de melanoma. 63
10 Figura Imagen de melanoma escalada respecto a la anterior. Aquí puede que cueste más trabajo apreciar que las imágenes están escaladas una respecto de la otra. Tras aplicar nuestro algoritmo obtenemos que están escaladas aproximadamente unos 1.18 veces. Esta medida no se puede comprobar, obviamente, ya que no conocemos a priori el factor de escala, pero se aproxima bastante nuestra estimación por los resultados obtenidos anteriormente Foto 8 Por último, otro posible par de imágenes escaladas podría ser: Figura Imagen de melanoma. 64
11 Figura Imagen de melanoma escalada respecto a la anterior. Aquí puede que cueste más trabajo apreciar que las imágenes están escaladas una respecto de la otra. Tras aplicar nuestro algoritmo obtenemos que están escaladas aproximadamente unos 1.94 veces. Esta medida no se puede comprobar, obviamente, ya que no conocemos a priori el factor de escala, pero se aproxima bastante nuestra estimación por los resultados obtenidos anteriormente. De forma global, se puede que queda demostrado que la técnica de transformación log-polar usada para estimar los parámetros de escala y rotación nos proporciona valores bastante exactos, incluso cuando imponemos valores altos de rotación y escala. 65
(1) Métodos y materiales
Desarrollo de un filtro en el dominio de la frecuencia para procesamiento digital de imágenes de huella dactilar basado en la Transformada Rápida de Fourier Modificada. Resumen. El análisis en frecuencia
Más detallesρ deben pertenecer a regiones estables, es decir: DISEÑO
6. CAPTURAS DE PANTAA CON EJEMPOS PRACTICOS DE DISEÑO 6.1. Parámetros del Transistor Utilizado. A continuación mostraremos una serie de capturas con diseños en los distintos planos y comentaremos los aspectos
Más detallesCAPÍTULO 5: VALIDACIÓN DE LA SIMULACIÓN.
CAPÍTULO 5: VALIDACIÓN DE LA SIMULACIÓN. 5.1 INTRODUCCIÓN. Para la validación de los resultados del programa de simulación acústica Catt Acoustic v8, se ha escogido un aula de la Escuela Superior de Ingenieros
Más detallesIntervalo para la media si se conoce la varianza
178 Bioestadística: Métodos y Aplicaciones nza para la media (caso general): Este se trata del caso con verdadero interés práctico. Por ejemplo sirve para estimar intervalos que contenga la media del colesterol
Más detallesRelación entre la altura y la distancia del suelo al ombligo
Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas
Más detallesLaboratorio de Instrumentación
Laboratorio de Instrumentación Básica Tema 3: Medidas Patricia Fernández Reguero Noemí Merayo Álvarez Francisco Lago García Universidad de Valladolid 26 de febrero de 2007 1. Introducción Las medidas son
Más detallesExtracción de características
Extracción de características Gonzalez & Woods, Digital Image Processing, cap. 8 extracción de características 1 Propiedades de las características Tienen que ser robustos: la extracción debe ser insensible
Más detallesCapítulo 4 Acoplamiento, afinación y uso de ALISA
Capítulo 4 Acoplamiento, afinación y uso de ALISA 4.1 Configuración del Layer para la configuración de los planetas De acuerdo al enfoque jerárquico propuesto en la hipótesis, el primer nivel de STM a
Más detallesPráctica 2. Tratamiento de datos
Errores Todas las medidas que se realizan en el laboratorio están afectadas de errores experimentales, de manera que si se repiten dos experiencias en las mismas condiciones es probable que los resultados
Más detallesESTIMACIÓN N DE LA DISTANCIA RECORRIDA POR UN ROBOT MÓVIL M MEDIANTE LA UTILIZACIÓN N DE DESCRIPTORES SURF
ESTIMACIÓN N DE LA DISTANCIA RECORRIDA POR UN ROBOT MÓVIL M MEDIANTE LA UTILIZACIÓN N DE DESCRIPTORES SURF Autor: Juan Manuel Peraza Domínguez Tutor: Dr. Luis Moreno Lorente Noviembre de 2009 1 ÍNDICE
Más detalles4.6. Interpolación mediante splines (polinomios a trozos) Figura 4.1: Datos de interpolación
Capítulo 4 INTERPOLACIÓN 46 Interpolación mediante splines polinomios a trozos En las figuras siguientes se puede observar alguno de los problemas que la interpolación clásica con polinomios puede plantear
Más detallesRESULTADOS Y DISCUSIÓN
RESULTADOS Y DISCUSIÓN Partimos de una geometría inicial consistente en un cubo de 100 nm x 100 nm x 100 nm, con 10 granos y 59.442 átomos de aluminio. La energía potencial del sistema antes de la minimización
Más detallesÁlgebra Lineal. Tema 12. Mínimos cuadrados II. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 2 Mínimos cuadrados II Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J S ALAS, A T ORRENTE Y EJS V ILLASEÑOR Índice general
Más detallesTema 6. Análisis Factorial.
Tema 6 Análisis Factorial El modelo Sea Y = (Y,, Y p ) t un vector aleatorio con vector de medias µ y matriz de covarianzas Σ Supondremos que existe un número entero m < p, una matriz L de orden p m de
Más detallesCapitulo 5 Resultados
5.1 Validación del Layer - Planetas Capitulo 5 Resultados En este capítulo se muestran los resultados obtenidos de las pruebas realizadas con diversas fotografías de distintos planetas y lunas para cada
Más detallesTema 1: Conceptos generales del Análisis
Tema 1: Conceptos generales del Análisis Numérico Cálculo Numérico I Anna Doubova y Blanca Climent Ezquerra Dpto. EDAN, Universidad de Sevilla 11 de febrero de 2018 A.Doubova y B. Climent Conceptos generales
Más detallesTabla 7: Ejemplo matriz CaractE
8 RESULTADOS EXPERIMENTALES 8.1 MATRICES DE CARACTERÍSTICAS Con el fin de dar una idea más precisa de cómo se conforman las matrices de características usadas en el reconocimiento de patrones y qué valores
Más detallesIntegración numérica
Integración numérica Javier Segura Cálculo Numérico I. Tema 4. Javier Segura (Universidad de Cantabria) Integración numérica CNI 1 / 21 Introducción y definiciones Estructura de la presentación: 1 Introducción
Más detallesINFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO
UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO 1 2 RECUERDE: un estimador puntual es un estadístico muestral usado para estimar un parámetro poblacional: x (estimación de μ),
Más detallesCapítulo 5: CONTROL INVERSO ADAPTATIVO
Capítulo 5: CONTROL INVERSO INTRODUCCIÓN 5.. INTRODUCCIÓN Un sistema de control inverso adaptativo se muestra en la Figura 5. Si el controlador fuese ideal, su función de transferencia sería: C( z) M (
Más detalles7.2 ESTIMACIÓN DE COSTOS
7.2 ESTIMACIÓN DE COSTOS Dante Guerrero-Chanduví Piura, 2015 FACULTAD DE INGENIERÍA Área departamental de Ingeniería Industrial y de Sistemas 7.2 ESTIMACIÓN DE COSTOS Esta obra está bajo una licencia Creative
Más detallesEstudio de Simulación Condicional aplicado al cálculo del espesor de la sobrecarga en un yacimiento de Nitrato y Yodo
Estudio de Simulación Condicional aplicado al cálculo del espesor de la sobrecarga en un yacimiento de Nitrato y Yodo Introducción: Los yacimientos de caliche tienen una formación más o menos tabular,
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciencias Sociales Tema 10. Estimación de una proporción Cap. 0 del manual Tema 10. Estimación de una proporción Introducción 1. Distribución en el muestreo de una proporción.
Más detallesTema 3 Medidas de dispersión para datos no agrupados
Tema 3 Medidas de dispersión para datos no agrupados Estas medidas pueden completar la información que aportan las medidas de tendencia, acerca de un grupo de datos. En tal sentido, habrá que considerar
Más detallesDiseño de un generador de funciones Capítulo IV Pruebas
Capítulo IV Pruebas 4.1 Señal sinusoidal Antes de cerrar el gabinete es importante hacer los ajustes necesarios para que la señal tenga un estado óptimo. Estos ajustes involucran la modificación de dos
Más detallesCorrecciones. Correcciones. Geométricas: Radiométricas:
Correcciones Septiembre de 2013 Correcciones Geométricas: Sistemáticas: esfericidad, movimiento de rotación, inclinacion de la órbita. No sistemáticas: relieve, movimientos de la plataforma, proyección
Más detallesPráctica 3: Operadores puntuales
Práctica 3: Operadores puntuales Apellidos, nombre Apellidos, nombre Grupo Puesto Fecha El objetivo de esta práctica es presentar al alumno las técnicas para realizar operadores puntuales sobre imágenes
Más detallesResolución de Ecuaciones No Lineales
Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos Métodos Computacionales Contenido 1 Introducción Introducción 2 Localización de Raíces Localización de Raíces 3 Métodos Iterativos
Más detallesDiseños factoriales a dos niveles
Diseños factoriales a dos niveles Tema 3. El diseño 4. Diseños k (tabla de signos) Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III
Más detallesFactor de escala. Dastronomía.com
Factor de escala 3 2 3 1 1 2 - Qué es el factor de escala de SV aligner - Sistema de referencia, centro de rotación y escala - Notas importantes sobre los segmentos de las estelas - Factor de escala como
Más detallesTema 1: Conceptos generales del Análisis Numérico
Tema 1: Conceptos generales del Análisis Numérico Asignatura: Cálculo Numérico I 1er. curso Grado en Matemáticas Anna Doubova Dpto. EDAN, Universidad de Sevilla 5 de febrero de 2018 A. Doubova (Dpto. EDAN)
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesFundamentos de la investigación en psicología
Fundamentos de la investigación en psicología TEMA 10 1º curso Grado Psicología Curso académico 2017-18 TEMA 10. MODELOS DE DISTRIBUCIÓN DE PROBABILIDAD: VARIABLES CONTINUAS 1. El modelo normal 2. Ejercicios
Más detallesGraficación CCOM-259. Benemérita Universidad Autónoma de Puebla. Facultad de Ciencias de la Computación. Daniel Alejandro Valdés Amaro, Ph.
Graficación CCOM-9 Benemérita Universidad Autónoma de Puebla Facultad de Ciencias de la Computación Daniel Alejandro Valdés Amaro, Ph.D Objetivo: El alumno conocerá y aplicará los algoritmos y técnicas
Más detallesINTRODUCCION A LA SIMULACION DE MODELOS. Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas.
Tema N 1 Definiciones INTRODUCCION A LA SIMULACION DE MODELOS Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas. La simulación esencialmente es una
Más detallesCAPITULO 3: PASOS REALIZADOS PARA LA DETECCIÓN DE BORDES DE IMÁGENES A COLOR
CAPITULO 3: PASOS REALIZADOS PARA LA DETECCIÓN DE BORDES DE IMÁGENES A COLOR El algoritmo realizado para la detección de bordes de imágenes a color se basa en el operador Canny. La filosofía del operador
Más detallesTema 3. Relación entre dos variables cuantitativas
Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas
Más detalles5. Caracterización Estadística de las Propiedades Petrofísicas
5. Caracterización Estadística de las Propiedades Petrofísicas La caracterización estadística de las propiedades petrofísicas (figura 5.1), es un paso fundamental para que la metodología de modelación
Más detalles3.7 IDENTIFICACION DE UN SISTEMA DINÁMICO NO LINEAL Descripción del Problema: La identificación de un sistema consiste en
301 3.7 IDENTIFICACION DE UN SISTEMA DINÁMICO NO LINEAL 3.7.1 Descripción del Problema: La identificación de un sistema consiste en determinar una función que relacione las variables de entrada con las
Más detallesCAPÍTULO 4. ANÁLISIS DE LA INFLUENCIA DEL INTERVALO DE TIEMPO UTILIZADO EN EL SEGUIMIENTO EN LOS RESULTADOS DE LA PREVISIÓN
CAPÍTULO 4. ANÁLISIS DE LA INFLUENCIA DEL INTERVALO DE TIEMPO UTILIZADO EN EL SEGUIMIENTO EN LOS RESULTADOS DE LA PREVISIÓN En este capítulo se analiza la influencia del intervalo de tiempo utilizado para
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesRecta de mejor ajuste por el método de los Mínimos Cuadrados
Apéndice A Recta de mejor ajuste por el método de los Mínimos Cuadrados En este apéndice se detallará el cálculo de los parámetros de la recta de mejor ajuste (o de regresión) a un conjunto de puntos por
Más detalles1. INTRODUCCIÓN Contexto del proyecto
1. INTRODUCCIÓN 1.1. Contexto del proyecto En este proyecto desarrollaremos un algoritmo para el estudio de imágenes dermatoscópicas basándonos en el análisis de patrones. Sin embargo, antes de adentrarnos
Más detallesGuía de Uso Básico Módulo MAT (IV)
Guía de Uso Básico Módulo MAT (IV) NOTA: Lea todas las páginas de este tutorial antes de usar SATLive por primera Vez Tercera Parte. Canal de Referencia y Canal de Medición El módulo MAT de SATlive posee
Más detallesFEBRERO ª SEMANA
Soluciones exámenes UNED Código asignatura Nombre asignatura 5401 MÉTODOS MATEMÁTICOS Fecha alta y origen 05/09/007 Curso Virtual Convocatoria FEBRERO 007 1ª SEMANA 1. Determine el periodo T de la función
Más detalles',JLWDO(/HYDWLRQ0RGHOV
',(/02'6/ ',JLWDO(/HYDWLRQ0RGHOV ',(/02'6/GLHOPR#GLHOPRFRP 3DUTXHWHFQROyJLFRGH3DWHUQD$Y%HQMDPtQ)UDQNOLQ1ž3DWHUQD9DOHQFLD6SDLQ 0pWRGRGHLQWHUSRODFLyQGHDOWDFDOLGDG: Para la producción del MDE, utilizamos
Más detallesMANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
Más detallesPágina 127. Página 128
Soluciones de las actividades Página 15 1. La clasificación de las funciones es: a) Función algebraica racional polinómica de grado. b) Función algebraica racional polinómica de grado. c) Función trascendente.
Más detallesInterpolación de la función módulo mediante polinomios de Lagrange
Interpolación de la función módulo mediante polinomios de Lagrange Pauline Morrison Fell 02 de mayo de 2006. Introducción Interpolación es el método mediante el cual se puede llegar a estimar un valor
Más detallesCálculo de Incertidumbre por el Método de Monte Carlo en Calibración de Multímetros Digitales
Cálculo de Incertidumbre por el Método de Monte Carlo en Calibración de Multímetros Digitales Comparación entre el (Método de Monte Carlo ( MMC) y la Guía para la estimación de la incertidumbre de medición
Más detallesFase # Propósito Guiar el análisis y la escritura del reporte final de PSP.
Guión de Proceso para el Reporte Final de PSP Instructor: Luis Castro Alumno: Ernesto Pavel Rosales Camacho M: 203323289 Fase # Propósito Guiar el análisis y la escritura del reporte final de PSP. Criterio
Más detallesOCW-V.Muto Análisis de los errores Cap. II CAPITULO II. ANALISIS DE LOS ERRORES 1. ESQUEMA DE RESOLUCION NUMERICA DE UN PROBLEMA
CAPITULO II. ANALISIS DE LOS ERRORES 1. ESQUEMA DE RESOLUCION NUMERICA DE UN PROBLEMA Si se desea resolver un problema físico B, lo primero que se suele hacer es traducirlo al lenguaje matemático para
Más detallesInterpolación Numérica
Interpolación Numérica Contenido Interpolación Numérica Polinomio Único de Interpolación Polinomio de Interpolación de Lagrange (Método de Ordenadas) Método de Newton (Interpolación Polinomial forma de
Más detallesBLOQUE IV. CLASIFICACIÓN
BLOQUE IV. CLASIFICACIÓN CAPÍTULO 11 Clasificación de mínima distancia. IV. 11.1 Pasos para realizar la clasificación. Es necesario comentar que se trata de una clasificación muy básica, que, en este caso,
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesKorell, Guillermo Pohl, Nancy. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas
Unión de imágenes mediante correlación Korell, Guillermo Pohl, Nancy Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas Captura y Procesamiento Digital de Señales e Imágenes Resumen:
Más detallesCapítulo 2 Métodos de localización.
Capítulo Métodos de localización..1 Introducción. Existen diversas técnicas que tratan de resolver el problema de la localización de robots móviles, los métodos presentados en este capitulo no necesitan
Más detallesESTADISTICA Y TIC. MIRYAM JIMÉNEZ GARCÍA
SEMINARIO 10: CORRELACIÓN. EJERCICIO 10.2 De una muestra de niños conocemos su edad medida en días y su peso en Kg, según los resultados de la tabla. Si ambas variables se distribuyen normalmente: Averiguar
Más detallesCapítulo 2. Técnicas de Procesamiento de Imágenes
Capítulo 2. Técnicas de Procesamiento de Imágenes 2.1 Binarización La binarización es una de las técnicas más antiguas de procesamiento de imágenes ya que en el pasado, el primer analizador de imágenes
Más detallesAPUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS
APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS 35 3 25 2 15 1 5 21 22 23 24 25 Reyes Donis, José Luis SERIES HISTORICAS O CRONOLÓGICAS Llamadas también series de tiempo, se denomina serie de tiempo a un
Más detallesGermán Bassi. 9 de septiembre de X(i) = 1 N 1T X. i=1
. Estimación de la Media Germán Bassi 9 de septiembre de 00 Dada la variable aleatoria X, podemos estimar el valor esperado de la misma mediante la siguiente fórmula: µ X = X(i) = T X. Ambas representaciones
Más detallesSistemas de Percepción Visión por Computador
Nota: Algunas de las imágenes que aparecen en esta presentación provienen del libro: Visión por Computador: fundamentos y métodos. Arturo de la Escalera Hueso. Prentice Hall. Sistemas de Percepción Visión
Más detallesReporte Final 3 de febrero de 2014
Contenido Análisis de la exactitud de la estimación de tamaño... 4 Qué tan frecuentemente estuvo mi tamaño real del programa dentro de mi intervalo estadístico de predicción del 70%?... 4 Tengo una tendencia
Más detallesTécnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler
Lección 6 Técnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler 61 Introducción a los métodos numéricos En este capítulo y en los anteriores estamos estudiado algunas técnicas
Más detallesMétodo de Mínimos Cuadrados Recursivo
Control Avanzado Práctica 4 Método de Mínimos Cuadrados Recursivo José Gerardo Gomez Mendez Abril 27, 25 Resumen El presente trabajo presenta un sistema de un circuito RLC, donde se utiliza el método de
Más detallesTIPOS DE COSTOS Y DETERMINACIÓN DE PRESUPUESTO
TIPOS DE COSTOS Y DETERMINACIÓN DE PRESUPUESTO Dante A. Guerrero Chanduví Piura, abril de 2018 FACULTAD DE INGENIERÍA Área Departamental de Ingeniería Industrial y de Sistemas TIPOS DE COSTOS Y DETERMINACIÓN
Más detallesCapítulo 7. Resultados
7.1 Imágenes de prueba Capítulo 7 Resultados 7.1.1 Imágenes sintéticas Para probar los esquemas de segmentación, se generaron las siguientes imágenes sintéticas de 500x500 pixeles con el software adjunto.
Más detallesSelección de Indicadores a aplicar a series sintéticas Énfasis en propiedades de memoria larga
Selección de Indicadores a aplicar a series sintéticas Énfasis en propiedades de memoria larga Los modelos de optimización usados para despacho y planificación energética requieren de un modelo que represente
Más detallesIntroducción al Procesamiento de Imágenes Satelitales con Software Libre. Módulo 03
Introducción al Procesamiento de Imágenes Satelitales con Software Libre Módulo 03 Dirección de Formación de Capital Humano Especializado en el Campo Espacial Agencia Espacial Mexicana www.gob.mx/aem Plan
Más detallesAplicaciones de realidad aumentada en un ipad
Aplicaciones de realidad aumentada en un ipad Dr. Luis Gerardo de la Fraga Cinvestav, Computer Science Department Av. IPN 2508, 07360 Mexico, D.F., México E-mail: fraga@cs.cinvestav.mx Noviembre 17, 2016
Más detallesIdentificación de parámetros de líneas de transmisión y transformadores, usando técnicas de estimación de estado y mediciones fasoriales sincronizadas
Identificación de parámetros de líneas de transmisión y transformadores, usando técnicas de estimación de estado y mediciones fasoriales sincronizadas Hernando Díaz Universidad Nacional de Colombia Bogotá
Más detallesIMPLEMENTACION EN TIEMPO REAL DE LA TRANSFORMADA DE FOURIER FRACCIONAL MEDIANTE UN PROCESADOR DIGITAL DE SEÑALES (DSP)
IMPLEMENTACION EN TIEMPO REAL DE LA TRANSFORMADA DE FOURIER FRACCIONAL MEDIANTE UN PROCESADOR DIGITAL DE SEÑALES (DSP) JOAQUÍN A. CORNEJO WILSON CASTAÑO GALVIZ YEZID TORRES MORENO Grupo de Óptica y Tratamiento
Más detallesProblemas de Estimación de una y dos muestras
Problemas de Estimación de una y dos muestras Walpole Myers Myers Facultad de Estudios Superiores Acatlán Licenciatura en Economía 13 de marzo 2017 José A. Huitrón Mendoza Introducción En los ejercicios
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesCaracterísticas del programa de Microlab
Características del programa de Microlab Conducta Clickeando behaviour, se presentaran dos módulos: Sintomatología lab Animales, y ratones reloj pueden ser seleccionados. Para entender los efectos de drogas
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesObjetivo: Proponer modelos para analizar la influencia
TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación
Más detallesEstadística para la Economía y la Gestión IN 3401 Clase 5
Estadística para la Economía y la Gestión IN 3401 Clase 5 Problemas con los Datos 9 de junio de 2010 1 Multicolinealidad Multicolinealidad Exacta y Multicolinealidad Aproximada Detección de Multicolinealidad
Más detallesError en las mediciones
Error en las mediciones TEORIA DE ERROR-GRAFICOS Y APLICACIÓN Representar en un gráfico los datos obtenidos experimentalmente (encontrar relación funcional) Conocer, comprender y analizar algunos elementos
Más detallesTransformaciones geométricas
Transformaciones geométricas Traslación, rotación y escalado Ángel Alejandro Juan Pérez Cristina Steegmann Pascual PID_00151936 FUOC PID_00151936 Transformaciones geométricas Índice Introducción... 5
Más detallesTEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
Más detallesEstudio estadístico de la rentabilidad económica de una instalación solar térmica
Estudio estadístico de la rentabilidad económica de una instalación solar térmica Aplicación en un hospital de Castilla y León Luis Javier Mata García Ingeniero Industrial El objetivo de este artículo
Más detallesCenso Nacional de Población, Hogares y Viviendas 2010 Censo del Bicentenario
Censo Nacional de Población, Hogares y Viviendas 2010 Censo del Bicentenario Base de datos REDATAM Errores muestrales en el procesamiento del cuestionario censal ampliado Serie Serie Base Base de de datos
Más detallesPSP1 Guión del Proceso
PROCEDIMIENTO PSP1 Antes de empezar el programa, repasar PSP1 para asegurarse de comprenderlo. También asegurarse de tener todas las entradas requeridas antes de comenzar con la fase de planificación Entrada
Más detallesAnálisis de Datos. Validación de clasificadores. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Validación de clasificadores Profesor: Dr. Wilfrido Gómez Flores 1 Introducción La mayoría de los clasificadores que se han visto requieren de uno o más parámetros definidos libremente,
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detalles4.6.4 Análisis de datos
Capítulo (4) 147 4.6.4 Análisis de datos Esta exploración se divide en dos etapas: Análisis de datos discretos (facies): el primer paso fue hacer histogramas para determinar la distribución o porcentajes
Más detallesCAPÍTULO 8 SIMULACIÓN DE ESCENARIOS
CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS Simulación es el proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito de entender
Más detalles3.3. Número de condición de una matriz.
96 33 Número de condición de una matriz Consideremos el sistema Ax = b, de solución u Queremos controlar qué cambios se producen en la solución cuando hacemos pequeños cambios en las componentes de b o
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detalles6. Modelos de Distribución de la Porosidad Usando Impedancia Acústica
6. Modelos de Distribución de la Porosidad Usando Impedancia Acústica Como se había comentado en capítulos anteriores, uno de los objetivos de la caracterización de yacimientos es definir la distribución
Más detallesIntroducción al tratamiento de datos experimentales. Aplicación en fisicoquímica
Introducción al tratamiento de datos experimentales Aplicación en fisicoquímica Medidas experimentales 1. 8.86 M H 2 O 2 100V 8.93M Titulación con KMnO 4 2. 8.78 M 3. 9.10 M Resultado promedio: 8.91 M
Más detallesFigura 1: Propiedades de textura: (a) Suavidad, (b) Rugosidad y (c) Regularidad
3 TEXTURA 3.1 CONCEPTO DE LA TEXTURA La textura es una característica importante utilizada en segmentación, identificación de objetos o regiones de interés en una imagen y obtención de forma. El uso de
Más detallesDistribuciones bidimensionales
Distribuciones bidimensionales Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplo Si se deja caer una piedra,
Más detallesResolución de Polinomios
Resolución de Polinomios Ciertamente que la resolución de polinomios es un tema interesante, es básicamente inevitable, para alguien que maneje un cierto nivel matemático, obviamente que la resolución
Más detallesTEMA 3 Aproximación de funciones: interpolación y ajuste
TEMA 3 Aproximación de funciones: interpolación y ajuste Chelo Ferreira González Isaac Newton (1643-1727) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones
Más detallesTema 3. Transformaciones de imágenes
Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández Tema 3. Transformaciones de imágenes GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Operaciones Puntuales Operaciones Locales
Más detallesEstimación de regresión multivariante insesgada
Estadística Española Volumen 58, número 190 / 2016, pp. 123-131 Estimación de regresión multivariante insesgada Mariano Ruiz Espejo Universidad Católica San Antonio de Murcia Resumen Proponemos un estimador
Más detalles