Classificazione di immagini con GRASS
|
|
- Ernesto Bonaventura Antonella
- 6 anni fa
- Visualizzazioni
Transcript
1 Classfcazone d mmagn con GRASS Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
2 Classfcazone d mmagn Scopo della classfcazone: rcavare da una mmagne nformazon sulla superfce. Foto nterpretazone sfrutta le conoscenze a pror dell operatore. Classfcazone automatca Applca algortm a valor d ntenstà su dverse bande: sono mportant rapport fra valor delle bande. Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
3 Classfcazone automatca 1. assegnazone d un pxel ad una classe Algortm automatc 2. assegnazone d una classe d pxel ad una copertura Informazon esterne Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
4 classfcazone Supervsed (supervsonata) ntervento a pror del operatore; Unsupervsed (non supervsonata) ntervento a posteror del operatore; Hybrd (brda). supervsed copertura classfcazone class operatore unsupervsed classfcazone class copertura Paolo Zatell operatore Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
5 Frma spettrale E la capactà d rflessone d un corpo n funzone della lunghezza d onda della radazone ncdente. Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
6 Bande Landsat-MSS banda 4 banda 5 banda 6 banda 7 Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
7 Calssfcazone supervsonata 1. stablre con qual class s vuole rappresentare la copertura; 2. sceglere aree campone (tranng area) per le class; 3. usare dat delle aree campone per stmare parametr del classfcatore scelto; 4. applcare l classfcatore per attrbure ogn pxel ad una classe; 5. produrre carte tematche o report per analzzare l rsultato della classfcazone. Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
8 Massma verosmglanza Date =1,, n class S defnsce la probabltà che un pxel appartenga ad ogn classe p x = 1,, n x = vettore che contene valor su ogn banda. S attrbusce l pxel alla classe se p x p x j j Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
9 Massma verosmglanza S devono stmare le p x = 1,, n Con dat delle aree campone è possble stmare la probabltà che un pxel della classe abba valor x p x Teorema d Bayes p x p x p p x Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
10 Massma verosmglanza Le p sono le probabltà a pror per la classe (% d pxel n quella classe) La formula d Bayes s può rscrvere come p xpx px p Qund l pxel appartene alla classe se p x p px p j j j Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
11 Massma verosmglanza S assume che le class abbano dstrbuzon del tpo (normale multvarata) p x 2 N 2 C 1 2 e 1 2 x ' C 1x m m Dove C è la matrce d varanza e covaranza e m la meda della classe. S pone g ' 1 x ln p( ) lnc x m C x m Qund l pxel appartene alla classe se g x g j x j Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
12 Massma verosmglanza Ovvero se lnc ' 1 ' 1 x m C x m lnc x m C x m j j j j I parametr da stmare sono C e m usando valor de pxel nelle aree campone Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
13 Sogle Il modello precedente classfca tutt pxel d una mmagne, anche quell con probabltà molto basse: Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
14 sogle Ponendo una sogla (probabltà mnma) non s classfcano pxel con prob. bassa sogla Paolo Zatell non classfcato Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
15 sogle S aggunge la condzone gx T coè ln p( ) 1 2 lnc 1 2 ' 1 x m C x m T coè ' 1 x m C x m 2T 2ln p( ) lnc Se x s assume dstrbuto normalmente, allora ' 1 x m C x m è dstrbuto come un 2 a N (n. bande) grad d lbertà. Dat C e w s può percò determnare T n modo che una certa % d pxel. sa nella classe. Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
16 Classfcator contestual Classfcano un pxel non solo n base a suo valor, ma n funzone de valor de pxel crcostant. Sfruttano la correlazone fra le categore d pxel vcn per rendere pccol alcun error (rumore, ecc.). S può realzzare con un preprocessamento: fltr passa basso (medana, ecc.); bande artfcal (texture, ecc.). Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
17 Label relaxaton Dopo avere classfcato l mmagne s utlzza una neghbourhood functon Qm modfcando la funzone d probabltà d appartenenza del pxel m alla classe p ' m p m Q p m Q m m normalzzazone Alla k-esma terazone Q k m k d p p n peso d vcnato n j mn j n Probabltà che l pxel m quando l pxel n j Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
18 Classfcazone unsupervsed 1. generazone de cluster S raggruppano pxel nello spazo multspettrale (bande) con una metrca d smltudne, d solto la dstanza eucldea: d ' x x x x x x x x x x 1, ottmzzazone (cancellazone/merge/dvsone) 2 1 S formano canddat cluster e s spostano pxel tra cluster per mnmzzare la quanttà C x C ' x m x m N Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
19 Insermento d mmagn RGB n GRASS 1. Importazone n GRASS delle mmagn (es. r.n.tff), l fle vene suddvso n tant raster quante sono le bande ad es. mm1.r, mm1.g e mm1.b; 2. Creazone d grupp e sottogrupp. È possble vsualzzare l mmagne orgnale con l comando d.rgb oppure.composte. Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
20 Classfcazone n GRASS.group creazone de grupp e sottogrupp (combnazon d bande) unsupervsed.cluster.maxlk supervsed.class.maxlk.gensg.maxlk.gensgset.smap Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
21 Classfcazone unsupervsed.cluster parametr Genera cluster (vettore meda e matrce d varanza e covaranza) con l algortmo mgratng means : 1. s scelgono punt random come centr de cluster; 2. ogn pxel vene attrbuto al cluster con centro pù vcno; 3. alcun cluster sono elmnat (poch pxel) oppure fus (centr troppo vcn). 1. numero d class da generare; 2. numero mnmo d pxel perchè una classe essta; 3. dstanza oltre la quale due class rmangono dvse; 4. percentuale d convergenza; 5. numero massmo d terazon; 6. ntervallo d camponamento. Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
22 Classfcazone unsupervsed.maxlk parametro Classfca l ntera mmagne con l classfcatore d massma verosmglanza, usando I vettor delle mede e le matrc d varanza e covaranza create da.cluster. Fle contenente le frme spettral. output 1. raster classfcato (valore d ogn pxel = numero della classe); 2. raster rappresentante la probabltà d rgetto d ogn pxel per la classe a cu è stato attrbuto. Le class non hanno ancora alcun sgnfcato d tpo d copertura, s deve etchettarle a posteror. Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
23 Classfcazone supervsed.class parametr Genera le frme spettral delle class, basandos su aree ndcate dall operatore. Solo nterattvo.maxlk Le class generate hanno sgnfcato d tp d copertura. Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
24 Classfcazone supervsed.gensg parametr Genera le frme spettral delle class, basandos su un raster gà parzalmente classfcata. 1. tranng map (nput); 2. group (nput); 3. subgroup (nput); 4. sgnature fle (output); La mappa d tranng deve essere preparata con v.dgt o r.dgt.maxlk Le class generate hanno sgnfcato d tp d copertura. Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
25 Classfcazone supervsed.gensgset parametr Genera le frme spettral delle class, basandos su un raster gà parzalmente classfcata, per l uso con.smap. 1. tranng map (nput); 2. group (nput); 3. subgroup (nput); 4. sgnature fle (output); La mappa d tranng deve essere preparata con v.dgt o r.dgt Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
26 Classfcazone supervsed.smap Classfcatore contestuale (sequental maxmum a posteror SMAP) Le class generate hanno sgnfcato d tp d copertura. parametr 1. group (nput); 2. subgroup (nput); 3. sgnature fle da.gensgset (nput); 4. raster classfcato (output). Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
27 Valutazone de rsultat È necessaro dsporre d una vertà a terra con cu confrontare la classfcazone. S effettuano rlev a terra per verfcare la rspondenza della mappa d copertura così realzzata. In alternatva s dovrebbe dsporre d una carta d uso del suolo aggornata all epoca delle foto ed affdable. Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
Apprendimento Automatico e IR: introduzione al Machine Learning
Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1
DettagliESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:
ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone
DettagliSTATISTICA DESCRITTIVA CON EXCEL
STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:
DettagliMinistero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA
Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG
DettagliIntroduzione al Machine Learning
Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone
Dettagli* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1
APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone
DettagliPROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -
PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata
DettagliVariabili statistiche - Sommario
Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su
DettagliRelazioni tra variabili: Correlazione e regressione lineare
Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg
DettagliEsercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca
Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE
DettagliDBMS multimediali A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2
DBMS multmedal A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2 DBMS multmedal Def: Sono DBMS che consentono d memorzzare e recuperare dat d natura multmedale:
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne
Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che
DettagliFondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007
Fondament d Vsone Artfcale (Seconda Parte PhD. Ing. Mchele Folgherater Corso d Robotca Prof.ssa Guseppna Gn Anno Acc.. 006/007 Caso Bdmensonale el caso bdmensonale, per ndvduare punt d contorno degl oggett
DettagliAnalisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi
ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone
DettagliIMMAGINE RICONOSCIMENTO. 6.1 La densità di vegetazione: l indice NDVI DELLA VEGETAZIONE SULL I
CAPITOLO SESTO RICONOSCIMENTO DELLA VEGETAZIONE SULL I IMMAGINE QUICKBIRDIRD 6.1 La denstà d vegetazone: l ndce NDVI Allo scopo d caratterzzare la dstrbuzone della vegetazone sulle superfc d barena s è
DettagliCapitolo 3 Covarianza, correlazione, bestfit lineari e non lineari
Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure
DettagliUniversità degli Studi di Urbino Facoltà di Economia
Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva
DettagliDati di tipo video. Indicizzazione e ricerca video
Corso d Laurea n Informatca Applcata Unverstà d Urbno Dat d tpo vdeo I dat vdeo sono generalmente rcch dal punto d vsta nformatvo. Sottottol (testo) Colonna sonora (audo parlato e/o musca) Frame (mmagn
DettagliNorma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura
orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato
DettagliSTATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007
STATISTICA SOCIALE Corso d laurea n Scenze Turstche, a.a. 07/08 Esercz 6 novembre07 Eserczo La Tabella contene alcun dat relatv a 6 lavorator delle azende Alfa e Beta. Tabella Lavorator delle azende Alfa
DettagliRETI TELEMATICHE Lucidi delle Lezioni Capitolo VII
Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd
DettagliB - ESERCIZI: IP e TCP:
Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s
DettagliConcetti principale della lezione precedente
Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
DettagliAdattamento di una relazione funzionale ai dati sperimentali
Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo
DettagliValutazione delle opzioni col modello di Black e Scholes
Valutazone delle opzon col modello d Black e Scholes Rosa Mara Mnnn a.a. 2014-2015 1 Introduzone L applcazone del moto Brownano all economa é stata nnescata prncpalmente da due cause. Attorno agl ann 70,
DettagliElementi di linear discriminant analysis per la classificazione e il posizionamento nelle ricerche di marketing
http://www.mauroennas.eu Element d lnear dscrmnant analyss per la classfcazone e l poszonamento nelle rcerche d maretng Mauro Ennas Lnear Dscrmnant Analyss http://www.mauroennas.eu ADL_fnale_confronto_Ecel.sav
DettagliGestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Struttura delle ret logstche Sstem produttv multstado Struttura logstca
DettagliLAVORO ESTIVO 4CO1 / 4 CO2
LVORO ESTIVO CO / CO LE EQUZIONI ESPONENZILI 7 7 7 LE DISEQUZIONI ESPONENZILI 7 LE EQUZIONI LOGRITMICHE [ ] [ ] log log log log log log log log log ln ln ln ln ln ln log log log LE DISEQUZIONI LOGRITMICHE
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4
DettagliAnalisi statistica di dati biomedici Analysis of biologicalsignals
Anals statstca d dat bomedc Analyss of bologcalsgnals I Parte Inferenza statstca Agostno Accardo (accardo@unts.t) Master n Ingegnera Clnca LM Neuroscenze 2013-2014 e segg. Altman Practcal statstcs for
DettagliTEORIA DELLA STIMA E DELLA DESCISIONE STATISTICA
TEORIA DELLA STIMA E DELLA DESCISIOE STATISTICA STIMA A MASSIMA VEROSIMIGLIAZA Per determnare la stma a massma verosmglanza d un parametro θ, partendo da un campone d dat X, bsogna scrvere la denstà d
DettagliIl modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti
Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso
DettagliGURU. Facebook. Gli strumenti avanzati di Facebook ADS WEBLIME
Facebook GURU Gl strument avanzat d Facebook ADS Un corso tecnco-pratco d approfondmento sugl strument pù avanzat d Facebook ADS. Il Corso s rvolge esclusvamente a ch gà gestsce nserzon con Facebook. Ogg
Dettagli3. Esercitazioni di Teoria delle code
3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come
DettagliIl campionamento casuale semplice
Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V
DettagliDATA MINING E CLUSTERING
Captolo 4 DATA MINING E CLUSTERING 4. Che cos'è l Data Mnng Per Data Mnng s'ntende quel processo d estrazone d conoscenza da banche dat, tramte l'applcazone d algortm che ndvduano le assocazon non mmedatamente
DettagliCorso di Architettura (Prof. Scarano) 25/03/2002
Corso d rchtettura (Prof. Scarano) // Un quadro della stuazone Lezone Logca Dgtale (): Crcut combnator Vttoro Scarano rchtettura Corso d Lauren Informatca Unverstà degl Stud d Salerno Input/Output Regstr
DettagliDefinizione del problema
Corso d Gestone ed Eserczo de Sstem d Trasporto www.unroma2.t/ddattca/gest t/dd tt /GEST Modell per l assegnazone della domanda alle ret d trasporto aereo Defnzone del problema Modell d domanda segmentazone
DettagliParametri e protocolli di riferimento
Parametr e protocoll d rfermento P. Isoard - O. Rampado - R. Ropolo S.C. Fsca Santara A.S.O. San Govann Battsta d Torno Document d rfermento general Gudelnes for Acceptance Testng and Qualty Control, Techcal
DettagliMarkov Random Field. Teoria e applicabilità nell elaborazione delle immagini. Giovanni Bianco. Febbraio 1998. 20 i
Markov Random Feld Teora e applcabltà nell elaborazone delle mmagn U ( f) = v [ 1 δ( )] 20 S N f f f * = arg mn f F { U( d f) + U( f) } Govann Banco Febbrao 1998 2 Manoscrtto depostato presso l Dp. d Ingegnera
DettagliLA CALIBRAZIONE NELL ANALISI STRUMENTALE
LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra
DettagliDispense dell insegnamento di Laboratorio di GIS per la pianificazione
Facoltà d Archtettura e Socetà Facoltà d Ingegnera Cvle, Ambentale e Terrtorale Centro per lo Svluppo del Polo d Cremona, Poltecnco d Mlano Va Sesto 41 26100 Cremona Master unverstaro nterfacoltà d II
DettagliDALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI
Captolo - Dalla teora degl error al trattamento de dat DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI LA MISURA DELLE GRANDEZZE Nel descrere fenomen, occorre da un lato elaborare de modell (coè delle
DettagliDefinizione classica di probabilità
Corso d Idrologa A.A. 0-0 Teora delle probabltà Prof. Ing. A. Cancellere Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Catana Defnzone classca d probabltà Il concetto d probabltà ha trovato formalzzazone
Dettaglilxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt http://www2.dm.unito.it/paginepersonali/zucca/index.htm Misura:
Elaborazone de dat geochmc e cenn d statstca lm.m.nfn.t/~camera/slss/laboratoro-1/-statstca.ppt http://www.dm.unto.t/pagnepersonal/zucca/nde.htm Msura: Espressone quanttatva del rapporto fra una grandezza
DettagliDipartimento di Elettronica Informatica e Sistemistica Università di Bologna. Sistemi radiomobili cellulari
Dpartmento d Elettronca Unverstà d Bologna Sstem radomobl cellular Le comuncazon radomobl Satellte Zona 4: Globale Zona 3: Suburbana Zona 2: Urbana Zona 1: In-Buldng Macro-Cell Mcro-Cell Pco-Cell Telefono
DettagliOttimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO
Ottmzzazone nella gtone de progett Captolo 6 Project Schedulng con vncol sulle rsorse CARLO MANNINO Unverstà d Roma La Sapenza Dpartmento d Informatca e Sstemstca 1 Rsorse Ogn attvtà rchede rsorse per
DettagliGeometria molecolare con distanze Euclidee
Laboratoro Complement d Rcerca Operatva Prof. E. Amald Geometra molecolare con dstanze Eucldee Un mportante problema legato alla conformazone molecolare è quello del Molecular Dstance Geometry Problem
DettagliEttore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione
Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone
DettagliClustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = =
Clusterng Clusterng Raggruare le stanze d un domno n gru tal che gl oggett nello stesso gruo mostrno un alto grado d smlartà e gl oggett n gru dvers un alto grado d dssmlartà Leggere la sezone 6.6 d Wtten
DettagliModelli descrittivi, statistica e simulazione
Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone
DettagliCorso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm.
Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo d.amodo@unvpm.t Ing. Ganluca Chappn g.chappn@unvpm.t http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano
DettagliGLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO
GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza
DettagliRicerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model
Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un
DettagliAppunti di statistica descrittiva Versione provvisoria
Alessandro Benedett UnCAM-SSIS-FIM.04/3 Appunt d statstca descrttva Versone provvsora (v. allegato foglo Excel LDS4_Correlazone.xls) Correlazone e Regressone lneare La teora della correlazone s propone
DettagliPropagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.
Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes
DettagliCalcolo delle Probabilità
alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.
DettagliIL MAGNETISMO IL CAMPO MAGNETICO E ALTRI FENOMENI GSCATULLO
IL MAGNETISMO IL CAMPO MAGNETICO E ALTRI FENOMENI GSCATULLO ( Il Magnetsmo La forze magnetca La forza Gà a temp d Talete (VI secolo a.c.), nell Antca Greca, era noto un mnerale d ferro n grado d attrare
DettagliGrafico di una serie di dati sperimentali in EXCEL
Grafco d una sere d dat spermental n EXCEL 1. Inseramo sulla prma rga l ttolo che defnsce l contenuto del foglo. Po nseramo su un altra rga valor spermental della x e su quella successva valor della y.
DettagliOttica geometrica. Capitolo. 1. Come si riflette la luce? Cosa è la luce? Come possiamo classificare le sorgenti luminose?
Captolo 8 Ottca geometrca 1. Come s rflette la luce? Cosa è la luce? Spacente: per l momento non rsponderemo a questa domanda. Invece d dre cosa la luce sa, ne analzzeremo dapprma l comportamento, utlzzando
DettagliADATTAMENTO DEI SISTEMI E DEI SERVIZI IDROPOTABILI A SCENARI DI CARENZA IDRICA
La rcerca scentfca talana nel campo dell draulca: presentazone de rsultat de progett PIN 2008 Ferrara, 24-25 gennao 2013 ADATTAMENTO DEI SISTEMI E DEI SEVIZI IDOPOTABILI A SCENAI DI CAENZA IDICA Coordnatore:
DettagliINDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA
Lezone 7 - Indc statstc: meda, moda, medana, varanza INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA GRUPPO MAT06 Dp. Matematca, Unverstà d Mlano - Probabltà e Statstca per le Scuole Mede -SILSIS - 2007
DettagliCAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI
Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )
DettagliTutti gli strumenti vanno tarati
L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello
DettagliFotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica
Fotogrammetra Scopo della fotogrammetra è la determnazone delle poszon d punt nello spazo fsco a partre dalla msura delle poszon de punt corrspondent su un mmagne fotografca. Ovvamente, affnché questo
Dettagli{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo
Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
DettagliStrutture deformabili torsionalmente: analisi in FaTA-E
Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo
DettagliScelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri
Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme
DettagliUNA RASSEGNA SUI METODI DI STIMA DEL VALUE
UNA RASSEGNA SUI METODI DI STIMA DEL VALUE at RISK (VaR) Chara Pederzol - Costanza Torrcell Dpartmento d Economa Poltca - Unverstà degl Stud d Modena e Reggo Emla Marzo 999 INDICE Introduzone. Il concetto
DettagliControllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Controllo e schedulng delle operazon Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Organzzazone della produzone PRODOTTO che cosa ch ORGANIZZAZIONE PROCESSO come FLUSSO DI PRODUZIONE
DettagliIl Ministro delle Infrastrutture e dei Trasporti
Il Mnstro delle Infrastrutture e de Trasport VISTO l decreto legslatvo 30 aprle 1992, n. 285, come da ultmo modfcato dal decreto legslatvo 18 aprle 2011, n. 59, recante Attuazone delle drettve 2006/126/CE
DettagliEsercitazioni del corso: STATISTICA
A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA
DettagliRegressione Multipla e Regressione Logistica: concetti introduttivi ed esempi
Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla
DettagliQuesto è il secondo di una serie di articoli, di
DENTRO LA SCATOLA Rubrca a cura d Fabo A. Schreber Il Consglo Scentfco della rvsta ha pensato d attuare un nzatva culturalmente utle presentando n ogn numero d Mondo Dgtale un argomento fondante per l
DettagliCorso di laurea in Economia marittima e dei trasporti
Unverstà degl stud d Genova Corso d laurea n Economa marttma e de trasport Il problema del cammno mnmo n ret multobettvo Relatrce: Anna Scomachen Canddato: Slvo Vlla Dedcato a: Coloro che n me Hanno sempre
DettagliErrori nel Posizionamento Satellitare
Error nel Poszonamento Satelltare Tpologe Casual Sstematc o d Modello D Osservazone L accuratezza è stmata come l 1% della lunghezza d onda (Regola Emprca). Codce C/A: ±3 m; Codce P: ±0,3 m; Portant L1,
DettagliPARTE II LA CIRCOLAZIONE IDRICA
PARTE II LA CIRCOLAZIONE IDRICA La acque d precptazone atmosferca che gungono al suolo scorrono n superfce o penetrano n profondtà dando orgne alla crcolazone, la quale subsce l nfluenza d molt fattor
DettagliIntroduzione alla Programmazione e Applicazioni per la Finanza M2 (Prodotti Derivati) Lezione 12
Introduzone alla Programmazone e Applcazon per la Fnanza M2 (Prodott Dervat) Lezone 12 Anno accademco 2006-07 Ttolare corso: Prof. Costanza Torrcell Docente: Dott.ssa Maranna Brunett In partcolare mplementeremo:
DettagliLa verifica delle ipotesi
La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:
DettagliLaboratorio di Strumentazione e Misura. Cesare Bini
Laboratoro d Strumentazone e Msura Cesare Bn Corso d laurea n Fsca Anno Accademco 006-007 Quest appunt sono basat sulle lezon del modulo d Laboratoro d Strumentazone e Msura del prmo anno delle lauree
DettagliDai circuiti ai grafi
Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat
DettagliLorenzo Di Silvestro.
Lorenzo D Slvestro dslvestro@dm.unct.t www.dm.unct.t/~dslvestro Termnologa Text Categorzaton Text Classfcaton Topc Spottng Nasce negl ann 60, ma solo 30 ann dopo dventa un campo dell nformatca, graze a
DettagliI MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE
Facoltà d Economa Valutazone de prodott e dell mpresa d asscurazone I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Clauda Colucc Letza Monno Gordano Caporal Martna Ragg I Modell Multstato sono un
DettagliTrigger di Schmitt. e +V t
CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con
DettagliStatistica e calcolo delle Probabilità. Allievi INF
Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:
DettagliAritmetica e architetture
Unverstà degl stud d Parma Dpartmento d Ingegnera dell Informazone Poltecnco d Mlano Artmetca e archtetture Sommator Rpple Carry e CLA Bozza da completare del 7 nov 03 La rappresentazone de numer Rappresentazone
DettagliSviluppo e Applicazioni di Tecniche di Automazione in Fotogrammetria dei Vicini
Unverstà degl Stud d Parma Facoltà d Ingegnera Dottorato d Rcerca n Ingegnera Cvle - XVIII Cclo Currculum: opografa e Cartografa (ICAR/6) Rccardo Roncella Svluppo e Applcazon d ecnche d Automazone n Fotogrammetra
DettagliMetastability, Nonextensivity and Glassy Dynamics in a Class of Long Range Hamiltonian Models
Alessandro Pluchno Metastablty, Nonextensvty and Glassy Dynamcs n a Class of Long Range Hamltonan Models Dscussone Tes per l consegumento del ttolo Febbrao 2005 Tutor: Prof.A.Rapsarda E-mal: alessandro.pluchno@ct.nfn.t
DettagliRilevatore di fumo radio fumonic 3 radio net. Infomazioni per locatari e proprietari
Rlevatore d fumo rado fumonc 3 rado net Infomazon per locatar e propretar Congratulazon! Nella vostra abtazone sono stat nstallat rlevator d fumo ntellgent fumonc 3 rado net. In questo modo l locatore
DettagliTITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)
Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA
DettagliLezione 4 - Probabilità totale, Bayes -Alberi LABORATORIO : LANCIO 1 O DUE DADI
1 LABORATORIO : LANCIO 1 O DUE DADI 2 Fle: dad_guda.xls 3 Fle: dad_guda.xls 4 Fle: dad_guda.xls 5 Fle: dad100.xls 6 Fle: dad100.xls 7 Fle: dad100.xls Tabella d dstrbuzone delle frequenze: CONTROLLI 1/2
DettagliModuli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013
Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se
DettagliLa regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente
Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della
DettagliEconomie di scala, concorrenza imperfetta e commercio internazionale
Sanna-Randacco Lezone n. 14 Econome d scala, concorrenza mperfetta e commerco nternazonale Non v è vantaggo comparato (e qund non v è commerco nter-ndustrale). S vuole dmostrare che la struttura d mercato
DettagliLE CARTE DI CONTROLLO
ITIS OMAR Dpartento d Meccanca LE CARTE DI CONTROLLO Carte d Controllo Le carte d controllo rappresentano uno degl struent pù portant per l controllo statstco d qualtà. La carta d controllo è corredata
Dettaglilow-rank smoothing splines su domini con forma inusuale: approssimazioni nonparametriche per estuari e reti di fiumi
eruga 13 gennao 2006 low-rank smoothng splnes su domn con forma nusuale: approssmazon nonparametrche per estuar e ret d fum M. Govanna Ranall Dpartmento d Economa, Fnanza e Statstca, Unverstà degl Stud
DettagliI prestiti inglesi vs non-inglesi nell italiano contemporaneo in base alla stampa popolare
Katarzyna Śwęcka Unverstà d Varsava Numer 3 (4)/2011 I prestt ngles vs non-ngles nell talano contemporaneo n base alla stampa popolare Sfoglando centnaa d settmanal o mensl cosddett femmnl, ogn lettore
DettagliTrasformatore monofase. Le norme definiscono il rendimento convenzionale di un trasformatore come: = + Perdite
Rendmento l rendmento effettvo d un trasformatore vene defnto come: otenza erogata al carco η otenza assorbta dalla rete 1 1 1 1 Le norme defnscono l rendmento convenzonale d un trasformatore come: η otenza
Dettagli