Sistemas inteligentes
1. Inteligência Computacional
Ementa:História da Inteligência Artificial (IA). Caracterização dos problemas de IA, aplicações (p.ex., jogos, robótica, PLN, etc.) e interações com outras áreas de pesquisa. Métodos de busca (busca cega e busca heurística) e planejamento para resolução de problemas. Formalismos de Representação de Conhecimento e Inferência: Redes Semânticas, Sistemas de Produção, Lógica (noções da linguagem PROLOG e suas aplicações em problemas de IA). Apresentação e discussão de técnicas recentes em Aprendizado de Máquina e Mineração de Dados e de Textos.
Bibliografia:
(a) Russel, S.; Norvig, P. (2009). Artificial Intelligence: A Modern Approach. 3rd Edition. Prentice Hall.
(b) Luger, G. F. (2002). Artificial Intelligence: Structures and Strategies for Complex Problem Solving, Addison-Wesley, 4th Edition.
(c) Nilsson, N. J. (1998). Artificial Intelligence, San Francisco: Morgan Kaufmann. 513 P. IL.
(d) Rezende, S.O. (Ed.) (2003). Sistemas Inteligentes. Fundamentos e Aplicações. Manole.
2. Aprendizado de Máquina e Reconhecimento de Padrões
Ementa:Conceitos de aprendizado indutivo. Aprendizado de conceitos como busca no espaço de hipóteses. Linguagens de representação. Operadores de generalização e especialização. Estruturação do espaço de hipóteses. Busca no espaço de hipóteses utilizando as estratégias de dividir e conquistar e de separar e conquistar. Importância do bias indutivo. Redução de dimensionalidade. Aprendizado supervisionado, semi-supervisionado e não-supervisionado. Paradigmas de aprendizado de máquina: paradigmas simbólico, estatístico, conexionista, evolutivo e outros. Avaliação experimental de algoritmos de aprendizado. Estimativa do erro verdadeiro de hipóteses induzidas. Comparação de algoritmos: validação cruzada, curvas de aprendizado, testes estatísticos. Indução de arvores de decisão (AD). “Overfitting”, dados com ruído, poda de AD. Indução de regras de decisão proposicionais: regras ordenadas e não ordenadas. Aprendizado “lazy”: o algoritmo k-nearest neighbor. Aprendizado bayesiano. Teoria de probabilidade e a regra de Bayes. O algoritmo de aprendizado Naive Bayes. Redes neurais. Perceptron. Redes multicamadas e backpropagation. Algoritmos genéticos. Combinação de modelos. Aprendizado não supervisionado: clustering hierárquico, algoritmos k-means e Expected Maximization (EM).
Bibliografia:
(a) Alpaydin, E. (2004). Introduction to Machine Learning. MIT Press.
(b) Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
(c) Duda, R.O., Hart, P.E., Stork, D.V. Pattern Classification, 2nd. Edition, Wiley-Interscience, 2000.
(c) Mitchell, T. M. (1997). Machine Learning. McGraw-Hill.
3. Computação Bioinspirada
Ementa:Introdução e Motivação. Computação inspirada na biologia. Computação Evolutiva. Computação baseada em DNA. Bioinformática. Inteligência coletiva. Redes neurais. Otimização por colônias de formigas. Enxames de abelhas. Sistemas imunológicos artificiais. Vida Artificial e Robótica Biologicamente Inspirada. Aplicações.
Bibliografia:
(a) Haykin, S. (2008). Neural Networks. A Comprehensive Foundation. New Jersey, Prentice Hall, 3 ed.
(b) Engelbrecht, A. Fundamentals of Computational Swarm Intelligence, Wiley, 2006.
(c) Goldberg, D. E. (1989). Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley Publishing Company, Inc.
(d) Mitchell, M. (1999). An Introduction to Genetic Algorithms, The MIT Press.
(d) Baldi, P., Brunak, S. (2001). Bioinformatics: Adaptive Computation and Machine Learning. MIT Press.
(e) Angeline, P. J.; Kinnear, K. E. (1996). Advances in Genetic Programming, The MIT Press.
(f) Arkin, R. C. (1998). Behavior-based robots. MIT Press.
(g) Bäck, T.; Fogel, D. B.; Michalewicz, Z. (1997). Handbook of Evolutionary Computation, Institute of Physics Publishing and Oxford University Press.
4. Redes Neurais
Ementa:1. INTRODUÇÃO: Cognição e Modelos Biológico. Aprendizado e Inteligência. Processamento Simbólico versus Não-Simbólico. Reconhecimento de padrões; 2. REDES NEURAIS: Breve história de Redes Neurais. Conceitos básicos; 3. PRIMEIROS MODELOS: Perceptron. Adaline.; 4. REDES MLP: Arquitetura. Algoritmo backpropagation. Aplicações; 5. Redes RBF: Arquitetura. Treinamento. Aplicações; 6. Redes Associativas: Redes de Hopfield. Máquina Boltzmann. Aplicações; 7. Redes Self-organising: Modelo de Kohonen. Redes ART. Aplicações; 8.Sistemas Híbridos; 9. Perspectivas futuras.
Bibliografia:
(a) Bishop, C. M. (1995). Neural Networks for Pattern Recognition, Oxford University Press.
(b) Haykin, S. (1999). Neural Networks: A Comprehensive Foundation. New Jersey, Prentice Hall, 2nd Edition.
(c) Hertz, J.; Jrogh, A.; Palmer, R. G. (1991). Introduction to the theory of Neural Computation, Addison-Wesley Publishing Company, CA.
(d) Kohonent,T. (1984). Self-Organization and Associative Memory, Springer-Verlag.
5. Processamento de Imagens
Ementa:Fundamentos de imagens. Transformadas. Operações em imagens (elementares, geométricas, lógicas e morfológicas). Filtros bidimensionais. Realce. Amostragem, Quantização e Codificação. Segmentação. Limiarização. Representação e descrição de imagens.
Bibliografia:
(a) Gonzales, R. C.; Woods, R. E. (1992). Digital Image Processing,Addison Wesley.
(b) Clastleman, K. R. (1996). Digital Image Processing, Prentice Hall.
(c) Costa, L. F.; Cesar Jr., R. M. (2001). Shape Analysis and Classification, CRC Press.
(d) Conci, A.; Azevedo, E.; Leta, F. R. (2008). Computação Gráfica – Teoria e Prática, volume 2, Campus.
6. Visão Computacional
Ementa:Sistema visual Humano. Abordagens sobre Visão Computacional (Psicológica, Biológica e Computacional). Modelos de Visão Computacional (reducionista,hierárquico, visão ativa). Análise de Texturas. Análise de Texturas Multiescalas. Contornos e Modelos. Transformada de Distância, Geodésica e Esqueletonização. Reconhecimento de Formas. Compressão. Registro. Agrupamento e Classificação de Padrões em Imagens.
Bibliografia:
(a) Marr, D. V. (1982). A Computational Investigation into Human Representation and Processing of Visual Information, W.H. Freeman, 397pp.
(b) Forsyth, D.A.; Ponce, J. (2002). Computer Vision. A Modern Approach. Prentice Hall, 693pp.
(c) Trucco, E.; Verri, A. (1998). Introductory Techniques for 3D Computer Vision.Prentice-Hall, 343pp.
(d) Pedrini, H.; Schwartz, W.R. (2008). Análise de Imagens Digitais: Princípios,Algoritmos e Aplicações. Thomson Learning.
7. Algoritmos de Estimação de Distribuição
Ementa: Revisão de metaheurísticas populacionais. Introdução aos fundamentos
de planejamento de experimentos. Estudo dos principais EDAs: ECGA (Extended
Compact Genetic Algorithms), BOA (Bayesian Optimisation Algorithm), hBOA
(hierarchical BOA), Multiobjective hBOA (mohBOA), SRA (Space-reduction Al-
gorithm).
Bibliografia:
(a) Pelikan, M.; Sastry, K.; Cantú-Paz, E. (Eds.) (2006).Scalable Optimization via
Probabilistic Modeling. Studies in Computational Intelligence Vol. 33 Sprin-
ger.
(b) Bartz-Beielstein, T. (2006). Experimental Research in Evolutionary Computa-
tion: The New Experimentalism (Natural Computing Series). Springer-Verlag
New York, Inc. , Secaucus, NJ, USA.
(c) Lozano, J. A.; Larrañga, P.; Inza, I.; Bengoetxea, E. (Eds.) (2006). Towards
a new evolutionary computation. Advances in estimation of distribution algo-
rithms. Springer.
(d) Larraña, P.; Lozano, J. A. (2002). Estimation of distribution algorithms: A new
tool for evolutionary computation. Kluwer Academic Publishers, Boston.
8. Análise de Sinais e Imagens para Reconhecimento de Padrões
Ementa: Fundamentos de imagens. Transformadas. Operações em imagens (ele-
mentares, geométricas, lógicas e morfológicas). Filtros bidimensionais. Realce.
Segmentação. Limiarização. Representação e descrição de imagens. Extração de
características. Aplicações no reconhecimento de padrões.
Bibliografia:
(a) Rafael C. Gonzales and Richard E. Woods. Digital Image Processing, Addison
Wesley. 3rd ed. 2007.
(b) Hélio Pedrini and William R. Schwartz, W. R. Análise de Imagens Digitais -
Princípios, Algoritmos e Aplicações. Thomson. 2008
(c) Frank Y. Shih. Image Processing and Pattern Recognition: Fundamentals and
Techniques. John Wiley & Sons, 2010.
(d) Andrew Young. Handbook of Pattern Recognition and Image Processing. Aca-
demic Press. 1st ed. 1986.
9. Redes Complexas
Ementa: Conceito Básicos de Redes Complexas; Evolução de Redes Complexas;
Modelos e Algoritmos de Geração de Redes Complexas: Rede regular, rede alea-
tória, rede de mundo pequeno, rede livre de escala; Caracterização da topologia e
estrutura da rede: medidas de centralidade, conectividade, transitividade, etc.; De-
tecção de comunidades em redes; Fenômenos dinâmicos em rede: propagação de
informação, falha e ataque em cascata, sincronização de osciladores acoplados, etc.;
Aplicações.
Bibliografia:
(a) Reuven Cohen e Shlomo Havlin. (2010). Complex Networks: Structure, Ro-
bustness and Function, Cambridge University Press.
(b) Mark Newman. (2010). Networks: An Introduction, Oxford University Press.
(c) Luciano da F. Costa, Francisco Aparecido Rodrigues, Gonzalo Travieso and P.
R. Villas Boas. (2007). Characterization of complex networks: A survey of
measurements, Advances in Physics, Volume 56, pages 167 - 242, 1.
(d) Luciano da F. Costa, Osvaldo N. Oliveira Jr., Gonzalo Travieso, Francisco Apa-
recido Rodrigues, Paulino R. Villas Boas, Lucas Antiqueira, Matheus P. Viana,
Luis E. C. da Rocha. (2011). Analyzing and Modeling Real-World Phenomena
with Complex Networks: A Survey of Applications, Advances in Physics.
Otimização
1. Otimização Linear
Ementa:Introdução: Definição e exemplos de aplicações da programação linear. Teoria básica: propriedades relativas à factibilidade e à Otimalidade das soluções. Métodos primais: métodos simplex e de pontos interiores. Dualidade em programação linear. Métodos duais: métodos dual-simplex, primal-dual e de pontos interiores.
Bibliografia:
(a) Luenberger, D. G. (2007). Linear and Nonlinear Programming.
(b) Bazaraa, M. S.; Jarvis, J. J.; Sherali, H. D. (2005). Linear Programming and
Network Flows, Wiley Interscience.
(c) Bertsimas, D. ; Tsitsiklis, J. N. (1997). Introduction to Linear Optimization,
Athena Scientific.
(d) Vanderbei, R. (2001). Linear Programming Foundations and Extensions, Springer International.
2. Otimização Multiobjetivo
Ementa: Motivação da otimização multiobjetivo. Condições de otimalidade. Solu-
ções de Pareto: caracterização analítica. Geração de soluções de Pareto. IMetodo-
logias de decisão. Algoritmos para otimização multiobjetivo. Otimização multiob-
jetivo com algoritmos evolutivos.
Bibliografia:
(a) Chankong, V.; Haimes, Y. Y. (2008). Multiobjective Decision Making: Theory
and Methodology, Dover.
(b) Collette, Y.; Siarry, P. (2004). Multiobjective Optimization: Principles and
Case Studies, Springer.
(c) Deb, K. (2001). Multi-Objective Optimization using Evolutionary Algorithms,
John Wiley & Sons.
(d) Coello, C. A. C.; Lamont, G. B; Van Veldhuizen, D. A. (2007). Evolutionary
Algorithms for
3. Teoria dos Grafos
Total de créditos: 4 créditos
Ementa:Conceitos básicos de grafos, subgrafos, isomorfismo, caminhos e circuitos, e cortes. Grafos conexos. Grafos eulerianos. Árvores. Emparelhamentos em grafos bipartidos. Teorema de Menger. Grafos hamiltonianos. Grafos aleatórios. Conjuntos estáveis e cliques. Coloração de arestas. Coloração de vértices. Noções de planaridade.
Bibliografia:
(a) Bollobás, B. (1998). Modern Graph Theory, Springer-Verlag.
(b) Bondy, J. A.; Murty, U. S. R. (2008). Graph Theory, Springer.
(c) Diestel, R. (2005). Graph theory. 3rd Edition. Graduate Texts in Mathematics, 173. Springer-Verlag, Berlin.
(d) Feofiloff, P.; Kohayakawa, Y.; Wakabayashi, Y. (2004). Uma Introdução Sucinta à Teoria dos Grafos,http://www.ime.usp.br/_pf/teoriadosgrafos/
4. Otimização Inteira
Total de créditos: 4 créditos
Ementa:Introdução: definição e exemplos de aplicações de problemas de programação inteira, dificuldades de resolução, caracterização dos métodos. Métodos de enumeração implícita 0-1. Métodos de separação e avaliação (branch-and-bound). Métodos de cortes. Método de partição de Benders. Dualidade Lagrangiana. Algoritmos de geração de colunas. Algoritmos específicos para modelos inteiros particulares. Considerações computacionais em Programação Inteira. Aplicações.
Bibliografia:
(a) Taha, H.A. Integer Programming Theory Applications, and Computations, Academic Press, 1975.
(b) Wolsey, L. A. (1988). Integer Programming, John Wiley & Sons.
(c) Wolsey, L. A.; Nemhauser, G. L. (1999). Integer and Combinatorial Optimization, John Wiley & Sons.
(d) Salkin, H. M. (1975). Integer Programming. Addison-Wesley.
5. Otimização não Linear
Ementa:Condições de Otimalidade: Problemas sem restrições, problemas com restrições de igualdade, problemas com restrições de igualdade e desigualdade. Condições de otimalidade de segunda ordem. Condições suficientes. Dualidade. Algoritmos para problemas sem restrições: minimização unidimensional, busca linear de Armijo, convergência global, método de máxima descida, métodos de Newton e Quasi-Newton, gradientes conjugados. Teoremas de convergência. Algoritmos para problemas com restrições: método de restrições ativas, penalidade externa, pontos interiores, lagrangiano aumentado.
Bibliografia:
(a) Bertsekas, D. (1999). Nonlinear Programming. Athena Scientific.
(b) Luenberger, D. G.; Ye, Y. (2008). Linear And Nonlinear Programming. Addison-Wesley.
(c) Martinez, J. M.; Santos, S. A. (1995). Métodos Computacionais De Otimização,Impa.
(d) Bazaraa, M.; Sherali, H.; Shetty, C. (1993). Nonlinear Programming: Theory And Applications. 2nd Edition, John Wiley & Sons.
6. Metaheurísticas
Total de créditos: 4 créditos
Ementa:Técnicas para solução de problemas de otimização combinatória: heurísticas clássicas e metaheurísticas. Principais metaheurísticas: Recozimento simulado, Busca Tabu, Busca Local Iterativa, Busca em Vizinhança Variável, Procedimentos de Busca Adaptativa Aleatória e Gulosa, Algoritmos Genéticos, Busca Dispersa, Colônia de Formigas, entre outras. Aplicações de metaheurísticas a problemas combinatórios: Caixeiro Viajante, Mochila, Roteamento de Veículos, Alocação e Sequenciamento de tarefas, Localização, Corte e Empacotamento.
Bibliografia:
(a) Glover, F.; Kochenberger, G. A. (2003). Handbook of metaheuristics. Kluwer Academic.
(b) Gonzalez, T. F. (2007). Handbook of Approximation Algorithms and Metaheuristics. Chapman and Hall/CRC.
(c) Resende, M. G.; Souza, J.P. (2003). Metaheuristics: Computer Decision-Making.Springer.
(d) Blum, C.; Aguilera, M. J. B.; Roli, A.; Samples, M. (2008). Hybrid metaheuristics: An Emerging Approach to Optimization. Springer.
Sistemas computacionais
1. Redes de Computadores
Ementa:O modelo ISO-OSI; O modelo Internet; Arquitetura de Redes. 2. Princípios de Comunicação de dados; Protocolos de Link de dados. 3. Protocolos de acesso ao Meio; Redes Locais; Redes Locais Sem fio e seus protocolos; Redes de Sensores e seus protocolos, Redes Veiculares e seus protocolos. 4. Internet: O protocolo IP; Algoritmos de Roteamento; Protocolo de Datagrama de usuário (UDP); Protocolo de controle de Transporte (TCP); O sistema de nomes; Tratamento de Mobilidade. 5. Qualidade de Serviço e Tráfego Multimídia; 6. Princípios da segurança em Redes.
Bibliografia:
(a) Kurose, J. F.; Ross, K.W. (2009). Computer networking: a top-down approach. 5th Edition, Pearson Addison-Wesley.
(b) Tanenbaum, A. S. (2011). Redes de Computadores. 5a. Edição, Pearson.
(c) Comer, D. E. (2006). Interligação em rede com TCP/IP. Volume 1: princípios, protocolos e arquitetura. Rio de Janeiro: Campus, Elsevier. 435 p.
(d) Dantas, M. (2010). Tecnologias de Redes de Comunicação e Computadores. Axcel Books.
(e) Stallings, W. (2005). Redes e Sistemas de Comunicação de Dados, 5a. Edição.
2. Arquitetura de Computadores
Ementa:Organização de computadores: processador, memória, entrada/saída. Sistema de memória. Componentes da Unidade Central de Processamento (UCP): a unidade lógica e aritmética (ULA) e a unidade de controle. Conjunto de Instruções. Modos de Endereçamento. Arquitetura RISC e CISC. Linguagens de Máquina. Memória Cache. Pipeline. Paralelismo no nível de Instrução e Paralelismo no nível de Threads. Arquiteturas Superescalares. Sistemas Multiprocessados. Sincronização em Hardware: Operações Atômicas, locks, Semáforos, load linked, store conditional. Memória Virtual. Mecanismos de Entrada/Saída.
Bibliografia:
(a) Hennessy, J. L.; Patterson, D. A. (2003). Arquitetura de Computadores: Uma abordagem Quantitativa.. Editora Campus.
(b) Patterson, D. A.; Hennessy, J. L. (2005). Organização e Projeto de Computadores: A Interface Hardware/Software. Editora Campus.
(c) Weber, R. F. (2008). Fundamentos de Arquitetura de Computadores. Série Livros Didáticos – 08. Editora Bookman.
(d) de Rose, C. A. F.; Navaux, P. O. A. (2008). Arquiteturas Paralelas. Série Livros Didáticos – 15. Editora Bookman.
3. Engenharia de Software
Ementa: Introdução. Conceitos, métodos e ferramentas para a análise, projeto, construção e avaliação de sistemas de software. Aspectos gerais e objetivos da Engenharia de Software. Ciclo de vida de desenvolvimento de Software. Gerenciamento e planejamento do desenvolvimento de Software. Métricas de Software e estimativas. Análise e Especificação dos Requisitos de Software. Técnicas, métodos e ferramentas de apoio à análise e especificação dos requisitos. Aspectos de validação de especificação; técnicas de revisão da especificação. Projeto e Desenvolvimento de Software. Conceitos básicos. Projeto preliminar e projeto detalhado. Técnicas, métodos e ferramentas de apoio. Aspectos de Linguagem de programação e implementação de Software. Aspectos de validação de projeto; técnicas de revisão de projeto. Verificação, Validação e Teste de Software. Técnicas de verificação, prova de correção de programas. Técnicas de revisão e análise de produtos de software. Técnicas e ferramentas de apoio ao Teste de Software. Aspectos de confiabilidade e
de qualidade de software. Manutenção de Software. Tipos de manutenção. Gerenciamento de configuração de software. Desenvolvimento de Software Aberto. Estado da arte em Engenharia de Software e áreas de pesquisa promissoras.
Bibliografia:
(a) Pressman, R. S. (2005). Software Engineering. 6th Edition. McGraw-Hill.
(b) Sommerville, I. (2006). Software engineering. 8th. ed. Boston: Addison-Wesley Longman.
(c) Booch, G; Rumbaugh, J.; Jacobson, I. (2006). UML – Guia do Usuário, Editora Campus, Rio de Janeiro.
(d) Mathur, A. (2008). Foundations of Software Testing, Addison-Wesley Professional, 1st Edition.
4. Banco de Dados
5. Projeto de Sistemas Digitais
Ementa:Fluxo de Projeto Digital em um Circuito Integrado (Front-end e Back-end). Fluxo de Projeto Digital em um FPGA. Transistores MOS Lógica CMOS. Processo de Fabricação de um Circuito Integrado. Linguagens de descrição de hardware: Verilog e VHDL. Verificação Funcional. Linguagem System-Verilog. Síntese Lógica e Síntese Física. Floorplanning (Planejamento) e Placement (Alocação). Clock Tree Synthesis. Roteamento. Consumo de Energia. Cálculo do Tempo de Atraso. Análise Estática de Tempo (STA). Integridade de Sinal. Otimizações de Projeto. ECO (Engineering Change Orders). Design for test - DFT. Testbench.
Bibliografia:
(a) Pedroni, V. A. (2004). Circuit Design with VHDL, MIT Press.
(b) Perry, D. L. (2002). VHDL: Programming by Example, 4th Edition, McGraw-Hill.
(c) Weste, N.; Harris, D. (2004). "CMOS VLSI Design: a Circuits and Systems Perspective", third edition, Addison Wesley.
(d) Bergeron, J. (2006). Writing Testbenches Using System Verilog, Springer; 1st Edition.
6. Processamento de Alto Desempenho
Ementa:Necessidades de alto Desempenho. Arquitetura de máquinas paralelas. Tecnologias de memória. Medidas de desempenho. Técnicas de programação/compilação para alto desempenho. Modelos de programação paralela. Programação de máquinas de memória compartilhada. Programação de máquinas de memória distribuída. Balanceamento de carga. Uso de aceleradores de desempenho. Conceitos avançados de alto desempenho.
Bibliografia:
(a) Dowd, K. (1998). High Performance Computing. O’Reilly, 2nd Edition.
(b) Patterson, D.A.; Hennessy, J. L. (2002). Computer Architecture: a Quantitative Approac. Morgan Kaufmann, 3rd Edition.
(c) De Rose, C. A. F.; Navaux, P. O. A. (2003). Arquiteturas Paralelas. Editora Sagra-Luzzatto.
(d) Quinn, M. J. (2004). Parallel Programming in C with MPI and OpenMP. McGraw-Hill.
7. Teste de Software
Total de créditos: 4 créditos
Ementa:Qualidade de software. Terminologia e conceitos básicos de teste de software. Análise estática (inspeções, walkthroughs e ferramentas para análise estática), análise dinâmica e verificação formal. Fases de teste. Técnicas e critérios de teste de software: teste funcional, estrutural e baseado em defeitos. Estratégias de teste de software. Planejamento de teste. Depuração e teste de regressão. Ferramentas de teste de software. Teste de software aplicado a diferentes tipos de técnicas e abordagens de desenvolvimento. Estratégias de geração automática de casos de teste. Definição e condução de experimentos e estudos de casos na aplicação do teste de software. Estado da arte em Teste de Software e áreas de pesquisa promissoras.
Bibliografia:
(a) Delamaro, M.; Maldonado, J. C.; Jino, M. (2007). Introdução ao Teste de Software. Campus.
(b) Mathur, A. (2008). Foundations of Software Testing, Addison-Wesley Professional,1st Edition.
(c) Myers, G. J. (2004). The Art of Software Testing, Wiley, 2nd Edition, New York.
(d) Beizer, B. (1990). Software Testing Techniques, Van Nostrand Reinhold Company,New York.
8. Recuperação de Informação Multimídia
Ementa: Introdução à recuperação de informação (modelos de recuperação, avalia-
ção). Bancos de dados multimídia (linguagens de consulta, processamento de con-
sultas, estruturas de indexação). Recuperação de informação multimídia (descrição
de conteúdo, busca por similaridade, relevance feedback). Aplicações.
Bibliografia:
(a) Alberto Del Bimbo. Visual Information Retrieval. Morgan Kaufmann, 1999.
(b) Michael S. Lew (Ed.). Principles of Visual Information Retrieval. Springer,
2001.
(c) Jenny Benois-Pineau, Frédéric Precioso, and Matthieu Cord (eds.). Visual In-
dexing and Retrieval. Springer, 2012.
(d) Jian Kang Wu, Mohan S. Kankanhalli, Joo-Hwee Lim, and Dezhong Hong.
Perspectives on Content-Based Multimedia Systems. Springer, 2000.