Tese

Statistical evaluation of dynamical interaction involving bees: bayesian tracking and mutual information (2019)

• Authors:
  • Oliveira Júnior, Jordão Natal de
  • Maciel, Carlos Dias (Orientador)
• Autor USP: OLIVEIRA JÚNIOR, JORDÃO NATAL DE - EESC
• Unidade: EESC
• Sigla do Departamento: SEL
• DOI: 10.11606/D.18.2019.tde-25102021-102129
• Subjects: INFERÊNCIA BAYESIANA; RASTREAMENTO; ABELHAS; ALGORITMOS; PESTICIDAS
• Keywords: Rastreamento de múltiplos alvos
• Language: Inglês
• Abstract: Rastrear objetos em vídeo é um método barato para obter informações sobre as partes de um sistema. No entanto, quando há muitos objetos simultaneamente no rastreamento, alguns problemas podem ocorrer, como sobreposição e troca de rótulos, comprometendo a eficiência geral. Recentemente, novas abordagens para resolver estes problemas foram desenvolvidas, por exemplo, Redes Neurais Convulacionais, mas o custo computacional ainda é muito alto. Neste trabalho foi desenvolvido um algoritmo de rastreamento Bayesiano para monitorar objetos em quadros de vídeo. O algoritmo permite a avaliação da Função de Distribuição de Probabilidade (PDF) dos objetos que estão sendo rastreados, combinando o rastreamento com o KDE (Kernel Density Estimation). O algoritmo proposto foi avaliado através de simulação e comparação com abordagens semelhantes, uma vez que as bases de dados convencionais (Princeton Tracking Benchmark) não apresentam semelhança com o problema daquele abordado nesta dissertação. O algoritmo é capaz de rastrear os objetos com grande precisão, sendo capaz de avaliar dinamicamente a entro pia e energia, usando coordenadas polares e assumindo uma distribuição de Mises para a previsão de variação de ângulo e uma distribuição não informativa para a predição de raio. Em seguida, com as informações obtidas a partir do algoritmo, foi feita a análise de resiliência abordando os efeitos de dois agroquímicos nas abelhas: o inseticida imidaclopride e o fungicida cerconil. Informações adicionais sobre como elas afetam as abelhas foram obtidas através de Informações Mútuas sobre doses letais, reforçando os resultados anteriores.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2019
• Data da defesa: 25.07.2019

Informações sobre o DOI: 10.11606/D.18.2019.tde-25102021-102129 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  OLIVEIRA JÚNIOR, Jordão Natal de. Statistical evaluation of dynamical interaction involving bees: bayesian tracking and mutual information. 2019. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-25102021-102129/. Acesso em: 26 dez. 2025.

• APA

  Oliveira Júnior, J. N. de. (2019). Statistical evaluation of dynamical interaction involving bees: bayesian tracking and mutual information (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18153/tde-25102021-102129/

• NLM

  Oliveira Júnior JN de. Statistical evaluation of dynamical interaction involving bees: bayesian tracking and mutual information [Internet]. 2019 ;[citado 2025 dez. 26 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-25102021-102129/

• Vancouver

  Oliveira Júnior JN de. Statistical evaluation of dynamical interaction involving bees: bayesian tracking and mutual information [Internet]. 2019 ;[citado 2025 dez. 26 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-25102021-102129/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Forecasting reservoir levels using data-driven methods and typical scenarios
• Parallelism strategies for big data delayed transfer entropy evaluation
• CO2 emissions forecasting in multi-source power generation systems using dynamic bayesian network
• The time lag in local feld potential signals for the development of its Bayesian belief network
• Entropy: from thermodynamics to signal processing
• Bayesian multi-targets strategy to track Apis mellifera movements at colony level
• Data-driven network dynamical model of rat brains during acute ictogenesis
• The time lag in local field potential signals for the development of its Bayesian belief network
• Applying PDC for the recognition of firearm’s calibre