Please use this identifier to cite or link to this item: https://app.uff.br/riuff/handle/1/4173
Title: Estudo da decomposição em valores singulares e análise dos componentes principais
Authors: Oliveira, Juliano Vieira de
metadata.dc.contributor.advisor: Freitas, Marina Sequeiros Dias de
Issue Date: 2016
Abstract: Toda matriz tem uma decomposição em valores singulares (SVD). Essa fatorização tem muitas aplicações, dentre elas, pode-se obter propriedades das matrizes, tais como o posto, bases para o espaço imagem e o espaço nulo, normas de matrizes induzidas pela norma vetorial; método dos mínimos quadrados; aproximação de uma matriz por matrizes de posto baixo; e processamento de sinais e imagens, tais como compressão de imagens, eliminação de ruídos e recuperação de informações. A análise de componentes principais é um método que busca analisar dados para que se possa fazer sua redução e eliminação de possíveis ruídos. Seu objetivo é transformar variáveis discretas em variáveis descorrelacionadas. O PCA é considerado uma transformação linear ótima sendo amplamente utilizado em muitas aplicações como análise de dados, processamento de imagens e principalmente no reconhecimento de padrões. Neste trabalho vamos explorar as características de cada método, seus resultados mais importantes e algumas aplicações envolvendo imagens digitais e dados reais.
URI: https://app.uff.br/riuff/handle/1/4173
Appears in Collections:VGT - Trabalhos de Conclusão de Curso - Volta Redonda

Files in This Item:
File Description SizeFormat 
Juliano Vieira de Oliveira 2016-1.PDF1.25 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons