Relatório de produção acadêmica da Universidade Federal de São Carlos (UFSCar)
Departamento de Computação (DC)

Centro de Ciências Exatas e de Tecnologia (CCET)
Campus São Carlos

Plataforma Lattes / outubro de 2020

Alexandre Luis Magalhaes Levada

Concluiu o curso de graduação em Bacharelado em Ciência da Computação no Departamento de Estatística, Matemática e Computação (DEMAC) da Universidade Estadual Paulista quot;Júlio de Mesquita Filhoquot; (UNESP), em Rio Claro, no ano de 2002. Concluiu o mestrado em Ciência da Computação, na Universidade Federal de São Carlos (UFSCar), em fevereiro de 2006. Concluiu o doutorado em Física Computacional no Instituto de Física de São Carlos (IFSC) da USP em 2010 sob a orientação do Prof. Dr. Nelson Delfino d’Ávila Mascarenhas e co-orientação do Prof. Dr. Alberto Tannús. Atualmente é Professor do Departamento de Computação na Universidade Federal de São Carlos. Atua nas áreas de processamento de imagens e sinais e reconhecimento de padrões. (Texto informado pelo autor)

  • http://lattes.cnpq.br/3341441596395463 (09/10/2020)
  • Rótulo/Grupo:
  • Bolsa CNPq:
  • Período de análise: 2010-2020
  • Endereço: Universidade Federal de São Carlos, Centro de Ciências Exatas e de Tecnologia, Departamento de Computação. Rodovia Washington Luiz, 295 - Departamento de Computação 13565-905 - Sao Carlos, SP - Brasil URL da Homepage: http://www.dc.ufscar.br/~alexandre
  • Grande área: Ciências Exatas e da Terra
  • Área: Ciência da Computação
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (3)
    1. 2017-Atual. Teoria da informacao no aprendizado nao supervisionado de metricas
      Descrição: O problema de quantificar uma medida de similaridade adequada entre diferentes objetos em um conjunto de dados é uma tarefa fundamental em muitas aplicações de reconhecimento de padrões e aprendizado de máquina. Encontrar medidas de similaridade alternativas é crucial para a análise de dados, especialmente em situações em que a distância euclidiana padrão se torna uma escolha inadequada. Medidas baseadas na teoria da informação foram aplicadas com sucesso em estatística para quantificar o grau de similaridade entre variáveis #8203;#8203;aleatórias, definindo um #8203;#8203;como uma sólida base matemática para o aprendizado de métricas.. Nesse projeto busca-se incorporar tais medidas nos métodos de redução de dimensionalidade linear e não linear como forma de melhorar a etapa de classificação dos dados observados.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (2) . Integrantes: Alexandre Luís Magalhães Levada - Coordenador / Cedrick Bamba Nsimba - Integrante / Alaor Cervati Neto - Integrante. Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Bolsa. Número de produções C, T A: 2 / Número de orientações: 2
      Membro: Alexandre Luis Magalhaes Levada.
    2. 2017-Atual. Aprendizado de variedades e classificacao nao-supervisionada em imagens hiperespectrais
      Descrição: Imagens hiperespectrais são capazes de capturar informações em centenas de bandas de frequências. Apesar de ser possível identificar um maior número de regiões de interesse, esse aumento drástico no número de atributos, acompanhado da dificuldade de se obter amostras rotuladas, causa uma série de efeitos negativos à classificação de tais padrões, o que recebe o nome de maldição da dimensionalidade. O objetivo desse trabalho consiste em quantificar de maneira sistemática os efeitos da redução de dimensionalidade (DR) linear e não linear do desempenho da classificação não supervisionada de diversas imagens hiperespectrais de sensoriamento remoto. Resultados sugerem evidência a favor dos métodos de DR, com vantagem para os métodos não lineares.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) . Integrantes: Alexandre Luís Magalhães Levada - Coordenador / Eduardo Kazuo Nakao - Integrante. Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Bolsa.Número de orientações: 1
      Membro: Alexandre Luis Magalhaes Levada.
    3. 2011-2013. Medidas baseadas em teoria da informacao em modelos de campos aleatorios Markovianos
      Descrição: O presente projeto tem como objetivo unir esforços de pesquisa em grafos, redes complexas e modelos de campos aleatórios Markovianos, a fim de investigar soluções a uma variedade de problemas relacionados à análise de dados espacialmente dependentes, como processamento de imagens (uma vez que reticulados 2D são grafos regulares), abordagens contextuais para reconhecimento de padrões, extração de informações e estatísticas a partir de redes complexas, a caracterização de comunidades/clusters em conjuntos de dados e redes complexas (particionamento de grafos) e estudos acerca da propagação da informação em grafos (estudar efeitos globais a partir de mudanças locais). O princípio teórico básico e ingrediente inovador que fundamenta a análise proposta são medidas baseadas na teoria da informação, tais como a entropia e a informação de Fisher, que, apesar de muito utilizadas em probabilidade e inferência estatística clássicas (no caso de observações independentes), continuam pouco exploradas em modelos contextuais. Em recentes esforços de pesquisa, expressões analíticas para o cálculo da Informação de Fisher observada em dois modelos de campos aleatórios Markovianos foram propostas: o modelo de Potts e o modelo Gaussiano-Markoviano. A partir de tais expressões é possível calcular a quantidade de informação que a observação de um padrão contextual (ou patch em imagens) fornece, possibilitando, entre outras coisas, quantificar o alinhamento ou não de um padrão contextual com o comportamento global esperado. Além disso, a definição de equilíbrio da informação como uma condição em que a informação de Fisher calculada pela derivada segunda (curvatura da log verossimilhança local) é próxima de zero nos permite identificar elementos altamente suscetíveis a mudança de comportamento, uma vez que eles não oferecem informação alguma sobre o parâmetro de dependência espacial. Exemplos típicos de padrões que exibem essa característica são contornos em imagens e fronteiras de decisão.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (1) . Integrantes: Alexandre Luís Magalhães Levada - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.Número de orientações: 1
      Membro: Alexandre Luis Magalhaes Levada.

Prêmios e títulos

  • Total de prêmios e títulos (3)
    1. Best Paper Award - SIBGRAPI'2015 - Areas: Computer Vision/Pattern Recognition/Image Processing, SBC.. 2015.
      Membro: Alexandre Luís Magalhães Levada.
    2. Best Poster Award in the 7th International Summer School on Pattern Recognition (ISSPR), UK for the work quot;On the Asymptotic Variances of GMRF Model Hyperparameters in Stochastic Image Modelingquot;, University of Plymouth (sponsored by Microsoft Research).. 2011.
      Membro: Alexandre Luís Magalhães Levada.
    3. Artigo quot;Filtragem adaptativa de ruído gaussiano em Imagens através da minimização da informação de Fisher observadaquot; slecionado entre os 3 melhores trabalhos (VI WVC - Workshop de Visão Computacional), Universidade Estadual Paulista (UNESP) - Campus de Presidente Prudente.. 2010.
      Membro: Alexandre Luís Magalhães Levada.

Participação em eventos

  • Total de participação em eventos (4)
    1. IEEE International Symposium on Circuits and Systems (ISCAS). An Adaptive Approach for Contextual Audio Denoising using Local Fisher Information. 2011. (Congresso).
    2. International Conference on Integrated Computing Technology (INTECH). On Combining Higher-Order MAP-MRF Based Classifiers for Image Labeling. 2011. (Congresso).
    3. International Conference on Systems, Signals and Image Processing (IWSSIP). Improving Multispecrtal Image Contextual Classification by Using Maximum Pseudo-Likelihood Estimation and Higher-Order Markov Random Fields. 2010. (Congresso).
    4. VI Workshop de Visão Computacional (WVC). Filtragem adaptativa de ruído gaussiano em Imagens através da minimização da informação de Fisher observada. 2010. (Congresso).

Organização de eventos

  • Total de organização de eventos (0)

    Lista de colaborações

    • Colaborações endôgenas (2)
      • Alexandre Luís Magalhães Levada ⇔ Nelson Delfino d'Ávila Mascarenhas (11.0)
        1. SALVADEO, D. H. P. ; MASCARENHAS, NELSON D. A. ; MOREIRA, J. ; LEVADA, Alexandre Luís Magalhães ; CORREA, D. C.. Improving Face Recognition Performance Using RBPCA MaxLike and Information Fusion. Computing in Science & Engineering (Print). v. 13, p. 14-21, issn: 1521-9615, 2011.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        2. ALEXANDRE LEVADA ; MASCARENHAS, NELSON D. A. ; TANNUS., A.. A Novel MAP-MRF Approach for Multispectral Image Contextual Classification using Combination of Suboptimal Iterative Algorithms. Pattern Recognition Letters. v. 31, p. 1795-1808, issn: 0167-8655, 2010.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        3. LEVADA, Alexandre Luís Magalhães ; MASCARENHAS, NELSON D. A. ; ALBERTO TANNÚS. A MAP-MRF APPROACH FOR WAVELET BASED IMAGE DENOISING. Em: Juuso T. Olkkonen. (Org.). Discrete Wavelet Transforms - Theory and Applications, Disponível em http://www.intechopen.com/articles/show/title/a-map-mrf-approach-for-wavelet-based-image-denoising. Rijeka. : INTECH. 2011.v. 1, p. 63-86.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        4. SALVADEO, D. H. P. ; ALEXANDRE LEVADA ; MASCARENHAS, NELSON D. A.. CT DENOISING ON LOW PHOTON COUNTING USING A CONTEXTUAL BAYESIAN APPROACH. Em: SIBGRAPI 2014 - Workshop of Thesis and Dissertations (WTD-SIBGRAPI), 2014.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        5. PADOVESE, B. T. ; MASCARENHAS, NELSON D. A. ; ALEXANDRE LEVADA ; SALVADEO, D. H. P.. DENOISING CT RECONSTRUCTED IMAGES USING BOTH SPARSITY AND CONTEXT CONSTRAINTS. Em: SIBGRAPI 2014 - Workshop of Undergraduate Work (WUW-SIBGRAPI), 2014.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        6. SALVADEO, DENIS H. P. ; BLOCH, ISABELLE ; TUPIN, FLORENCE ; MASCARENHAS, NELSON D. A. ; LEVADA, ALEXANDRE L. M. ; DELEDALLE, CHARLES-ALBAN ; DAHDOUH, SONIA. DENOISING BASED ON NON LOCAL MEANS FOR ULTRASOUND IMAGES WITH SIMULTANEOUS MULTIPLE NOISE DISTRIBUTIONS. Em: 2014 IEEE International Conference on Image Processing (ICIP), v. 1, p. 2699-2703, 2014.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        7. SALVADEO, D. H. P. ; MASCARENHAS, NELSON D. A. ; LEVADA, Alexandre Luís Magalhães. CONTEXTUAL FILTERING OF CT IMAGES USING MARKOVIAN WIENER FILTERS WITH A NON LOCAL MEANS APPROACH FOR STATISTICAL ESTIMATION. Em: 2012 XXV SIBGRAPI Conference on Graphics, v. 1, p. 16-23, 2012.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        8. LEVADA, Alexandre Luís Magalhães ; MASCARENHAS, NELSON D. A. ; ALBERTO TANNÚS. ON COMBINING HIGHER-ORDER MAP-MRF BASED CLASSIFIERS FOR IMAGE LABELING. Em: 1ST INTERNATIONAL CONFERENCE ON INTEGRATED COMPUTING TECHNOLOGY (INTECH), v. 165, p. 25-39, 2011.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        9. ALEXANDRE LEVADA ; TANNUS., A. ; MASCARENHAS, NELSON D. A.. IMPROVING MULTISPECTRAL IMAGE CLASSIFICATION BY USING MAXIMUM PSEUDO-LIKELIHOOD ESTIMATION AND HIGHER-ORDER MARKOV RANDOM FIELDS. Em: INTERNATIONAL CONFERENCE ON SYSTEMS, p. 77-80, 2010.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        10. ALEXANDRE LEVADA ; MASCARENHAS, NELSON D. A.. FILTRAGEM ADAPTATIVA DE RUÍDO GAUSSIANO EM IMAGENS ATRAVÉS DE MINIMIZAÇÃO DA INFORMAÇÃO DE FISHER OBSERVADA. Em: Workshop de Visão Computacional (WVC), p. 7-12, 2010.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        11. SALVADEO, D. H. P. ; MASCARENHAS, NELSON D. A. ; MOREIRA, J. ; ALEXANDRE LEVADA ; CORREA, D. C.. RBPCA MAXLIKE: A NOVEL STATISTICAL CLASSIFIER FOR FACE RECOGNITION BASED ON BLOCK-BASED PCA AND COVARIANCE MATRIX REGULARIZATION. Em: INTERNATIONAL CONFERENCE ON SYSTEMS, p. 69-72, 2010.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

      • Alexandre Luís Magalhães Levada ⇔ Jander Moreira (2.0)
        1. SALVADEO, D. H. P. ; MASCARENHAS, NELSON D. A. ; MOREIRA, J. ; LEVADA, Alexandre Luís Magalhães ; CORREA, D. C.. Improving Face Recognition Performance Using RBPCA MaxLike and Information Fusion. Computing in Science & Engineering (Print). v. 13, p. 14-21, issn: 1521-9615, 2011.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
        2. SALVADEO, D. H. P. ; MASCARENHAS, NELSON D. A. ; MOREIRA, J. ; ALEXANDRE LEVADA ; CORREA, D. C.. RBPCA MAXLIKE: A NOVEL STATISTICAL CLASSIFIER FOR FACE RECOGNITION BASED ON BLOCK-BASED PCA AND COVARIANCE MATRIX REGULARIZATION. Em: INTERNATIONAL CONFERENCE ON SYSTEMS, p. 69-72, 2010.
          [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]




    Data de processamento: 12/10/2020 22:29:19