2.2. Türkiye’de Kamu Personeli Performans Değerlendirmesi
2.2.2. Tarihsel Süreçte Kamu Personel Yönetimi Ve Değerlendirmesi
2.2.2.2. Cumhuriyet Sonrası Dönem
BOCANEGRA, C.W.R. Pr ocedim ent os par a t or nar m ais Efet ivo o Uso das Redes Neurais Art ificiais em Planej am ent o de Tr anspor t es. São Car los, 2002. Disser t ação ( Mest r ado) , Escola e Engenhar ia de São Car los. Univer sidade de São Paulo, São Carlos.
BRONDI NO, N.C.M. Est udo da I nfluencia da Acessibilidade no Valor de Lot es Ur banos At r avés do Uso de Redes Neur ais, São Car los, SP, 1999. Tese ( Dout or ado em Engenhar ia Civil – Tr anspor t es) – Escola de Engenhar ia de São Car los, Univer sidade de São Paulo, São Car los.
BURT P.J. Fast filt er t ranform s of im age processing. Com put er Vision, Graphics, and I m age Pr ocessing, 16: 20- 51, 1981.
CAVENAGHI , A. L. “ Car act er ização da qualidade da água e sedim ent o r elacionados com a ocorrência de plant as aquát icas em cinco reserv at órios da bacia do rio Tiet ê” , 2003, 73 f. Tese ( Dout or ado em Agr onom ia - Pr ot eção de Plant as) – Faculdade de Ciências Agronôm icas, Univ ersidade Est adual Paulist a “ Julio Mesquit a Filho” , Bot ucat u.
CENTENO, J.A.S. Sensor iam ent o Rem ot o e Pr ocessam ent o Digit al de I m agens. Depar t am ent o de Geom át ica, UFPR, Cur it iba, 2003, 210p.
CONGALTON, R.G.; ODERWALD, R.G.; MEAD, R.A. Assessing Landsat classificat ion accur acy using discret e m ult iv ar iat e analy sis st at ist ical t echniques. Phot ogr am m et r ic Engineering and Rem ot e Sensing, 1983, 1671- 1678p.
________________.; GREEN, K. Assessing t he Accur acy of Rem ot ely Sensed Dat a: Principles and Pract ices. Boca Rat t on: Lew is Publisher s, 1999, 137p. Cap. 3, pg. 12- 14, 1999.
CROSTA, A. P.. Pr ocessam ent o digit al de im agens de sensor iam ent o r em ot o. I AG/ UNI CAMP, Cam pinas, 1992. 170p.
CROWELEY J. R. Repr esent at ion for v isual I nf. PhD t hesis, Car negie – Mellon Univ er sit y , Robot ics I nst it ut e, Pit t sbur gh, Pennsy lv ia, 1981.
CUNHA, A. M. Espaço- escala det ecção de arest as. Dissert ação de m est rado, I MPA. 2000, Rio de Janeir o- RJ.
Cruz, N.C. PPGCC
EASTMAN, J.R. I dr isi for w indow s – User ’s guide, ver sion 2.0. Wor cent er , Clar k Labs for Car t ogr aphic Technology and Geogr aphic Analysis, Clar k Univer sit y, 1998.
ESPI NHOSA, M. C. Ut ilização do Sensor iam ent o Rem ot o Or bit al e Redes Neur ais Art ificiais no m apeam ent o de m acrófit as aquát icas em ersas em grandes r eser vat ór ios. Pr esident e Pr udent e, 2004. Disser t ação de Mest r ado, Faculdade de Ciências e Tecnologia. UNESP.
GALO, M. L. B. T. Aplicação de r edes neurais art ificiais e sensoriam ent o rem ot o na car act er ização am bient al do Par que Est adual Mor r o do Diabo.São Car los, 2000a. 205f. Tese ( Dout or ado) , Escola de Engenhar ia de São Car los. Univer sidade de São Paulo.
___________________,
Car act er ização Am bient al do Par que Est adual Mor r o do Diabo at r avés de dados e t écnicas de Sensor iam ent o Rem ot o: Abor dagens ut ilizando r edes neur ais ar t ificiais. 2000a. 205f. Tese ( Dout or ado em Ciências da Engenhar ia Am bient al) – Escola de Engenhar ia de São Car los, Univer sidade de São Paulo, São Car los.___________________, Ut ilização de Dados e Técnicas de Sensor iam ent o Rem ot o na Car act er ização Am bient al do Par que Est adual Mor r o do Diabo, Relat ór io de pr oj et o de pesquisa r efer ent e ao t riênio 1997 a 2000. Pr esident e Pr udent e, FCT/ UNESP/ Digit ado, 2000b p. 73.
_____________________ et al. Uso do Sensor iam ent o Rem ot o Orbit al no Monit oram ent o da Dispersão de Macrófit as nos Reserv at órios do Com plex o Tiet e. Rev ist a Plant as Daninhas, Viçosa, v: 20, Edição Especial, 2002a. p. 7- 20.
GOMES, J; VELHO L.; Com put ação Gr áfica: I m agem , 1994. Rio de Janeir o. I MPA- SBM p. 424.
GONZALEZ, R. C.; WOODS, R. E.. Pr ocessam ent o Digit al de I m agens. Edgard Blücher , 2000. 717p.
GONZALES, R. C.; WOODS, R. E.. Recognit ion and I nt er pr et at ion. I n: Digit al I m age Processing. Reading, Addison- Wesley, 1993.
I NPE – I nst it ut o Nacional de Pesquisas Espaciais. ( 2002) . Tut or ial – SPRI NG 3.6.
LEE, J.; WEGER, R. G.; SENGUPTA, S. K.; WELCH, R. M. A neur al net w or k appr oach t o cloud classificat ion. I EEE Transact ion on Geoscience and Rem ot e Sensing, v.28, n.5, 1990, p.846- 55.
LI PPMANN, R. P. An int r oduct ion t o com put ing w it h neur al net s. I EEE ASSP Magazine, v.4, 1987, 4- 22p.
Cruz, N.C. PPGCC
LI NDEBERGE, T. Scale Space Theor y in com put er Vision. Kluw er academ ic Publisher s, Dor dr ecer t , The Net her lands, 1994.
MOREI RA, M. A. Fundam ent os do Sensoriam ent o Rem ot o e Met odologias de Aplicação. São José dos Cam pos: Com Deus, 2001, 250p.
MARQUES, A. J. Mapeam ent o de fragm ent os de m at a no m unicípio de Mar ingá, PR: Um a abor dagem da ecologia da Paisagem . Pr esident e Pr udent e, 2004. Disser t ação de Mest rado, Faculdade de Ciências e Tecnologia. UNESP.
MI KHAI L, E. M., BETHEL, J. S. MCGLONE, J. C. I nt r oduct ion t o Moder n Phot ogr am m et r y ,I nc. New Yor k: Jonh Wiley & Sons, 2001, 479p.
NOVO, E. M. L. M.. Sensor iam ent o Rem ot o: Pr incípios e Aplicações. São Paulo: Edgar d Blucher , 1989.
_______________; SHI MABUKURO, Y.E. Spect r al m ixt ur e analysis of inland t r opical w at er s. Revist a I nt er nat ional Jour nal of Rem ot e Sensing, v.15, n.6, 1994.p. 1351- 56.
________________; BRAGA, C. Z. F.; TUNDI SI , J. G. Use of TM/ Landsat dat a t o r et r iev e t he opt ically act iv e w at er const it uent s fr om an eut r ophic t r opical r eser voir.
Proceedings of I SPRS Com m ission VI I Sim posium : Resource and Env ironm ent al Monit or ing, Rio de Janeir o, sept 26- 30, 1994, I NPE, Vol.30, Par t 76, 1994, p. 258-
62.
RAI A, A. A. J.. Acessibilidade e Mobilidade na Est im at iva de um Í ndice de Pot encial de Viagens Ut ilizando Redes Neur ais Ar t ificiais. São Car los, SP, 2000,Tese ( Dout or ado em Engenhar ia Civil – Tr ansport es) – Escola de Engenhar ia de São Car los, Univer sidade de São Paulo.
RI CHARDS, J. A.. Rem ot e Sensing Digit al I m age Analysis: Na I nt r oduct ion. New Yor k, Spr inger Ver lag, 1986.
ROBI N, M. La Télédét ect ion. Coll. Fac Géogr aphie. Par is. Nat han. 1995
ROSENFI ELD, G.H.; FI TZPATRI CK- LI NZ, K. ( 1986) . A coeficient of agr eem ent as a m easure of t hem at ic classificat ion accuracy . Phot ogram m et ric Engineering and Rem ot e Sensing, 52( 2) : 223- 227.
SCHALKOFF, R.. Pat t er n Recognit ion: St at ist ical, St r uct ur al and Neur al Appr oaches. Singapor e, John Wiley & Sons, 1992.
SHI MABUKURO, Y.E.; SMI TH, J.A. The least - squar es m ixing m odels t o gener at e fract ion im ages der ived from r em ot e sensing m ult ispect r al dat a. I EEE Tr ansact ions on Geoscience and Rem ot e Sensing, v.29, n.1, 1991, p.16- 20.
Cruz, N.C. PPGCC
SCHENK, T. Digit al Phot ogr am m et r y, Ohio: Ter r aScience,1999. v.1, 428p.
STUCKI , P: I m age Pr ocessing for Docum ent Repr odut ion: Adv ances in Digit al I m age Pr ocessing, New Yor k, 1979.
TATI BANA & KAETSU. Um a I nt r odução a Redes Neur ais. Disponív el em : <w w w .din.uem .br / ia/ neur uais> . Acesso em : 2000.
VENTURI ERI , A.; SANTOS, J. R. Técnicas de Classificação de I m agens para Análise de Cober t ur a Veget al. I n: ASSAD, E. D.; SANO, E. E., eds. Sist em a de I nform ação Geogr áfica: Aplicações na Agr icult ur a. Br asília: DF. Em br apa –SPI / Em br apa- CPAC, 1998. p 351- 371.
ZELL, A. et al. SNNS: St ut t gar t Neur al Net w or k Sim ulat or. User Manual, Ver sion 4.1. St ut t gar t , Univer sit y of St ut t gar t , 1995 ( Repor t No. 6/ 95) .
Apê n dice I
Apê n dice I
Os com andos ut ilizados para o desenv olv im ent o do t rabalho a part ir do soft w are Mat lab:
Acessar um dir et ór io
Par a passar par a um a det er m inada ár ea, pr ocede- se da seguint e m aneir a: cd ( loca l ou n om e da á r e a e m qu e st ã o)
Exem plo: > > cd c: / t est e
Abrir um a im agem
Par a abr ir um a im agem qualquer :
im r e a d( ‘n om e da im a ge m .e x t e n sã o’) Exem plo: > > a= im r ead( ‘im agem .t if’) ;
Pr ocedim ent os par a os pr ocesam ent os Tr ansfor m ar a im agem em double:
I m a ge m = dou ble ( im a ge m qu e foi a be r t a ) ; Exem plo: > > a= double( a) ;
Binar ização da im agem da r epr esa:
N om e da im a ge m r e su lt a n t e = n om e da im a ge m a se r bin a r iz a da > o, assim a im agem cont er á apenas os valor es de a m aior es que zer o.
Exem plo: > > bin= a> 0;
Mult iplicação da im agem da r epr esa com as bandas da im agem I konos:
N om e da im a ge m r e su lt a n t e = n om e da im a ge m da r e pr e sa .* ba n da I KON OS
Exem plo: > > Azul- r io= bin.* AZUL;
Tr ansfor m ar a im agem em um padr ão par a a vizualização:
N om e da im a ge m = u in t 8 ( n om e ) Exem plo: > > AZUL= uint 8 ( azul- r io) ;
Most r ar a im agem r esult ant e:
I m sh ow ( n om e da im a ge m a se r m ost r a da ) ; Exem plo: > > azul- r epr esa = im show ( AZUL) ;
Salvar a im agem em um for m at o t iff:
im w r it e ( n om e da im a ge m de e n t r a da , ' n om e da im a ge m de sa ída .e x t e n sã o' )