Relatório de produção acadêmica da Universidade Federal de São Carlos (UFSCar) realizado em 21/11/2017

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 "Júlio de Mesquita Filho" (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, reconhecimento de padrões, inferência estatística e teoria da informação aplicadas a modelos Markovianos. (Texto informado pelo autor)

  • http://lattes.cnpq.br/3341441596395463 (22/09/2017)
  • Rótulo/Grupo:
  • Bolsa CNPq:
  • Período de análise: 2010-2017
  • 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 (1)
    1. 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 "On the Asymptotic Variances of GMRF Model Hyperparameters in Stochastic Image Modeling", University of Plymouth (sponsored by Microsoft Research).. 2011.
      Membro: Alexandre Luís Magalhães Levada.
    3. Artigo "Filtragem adaptativa de ruído gaussiano em Imagens através da minimização da informação de Fisher observada" 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 (1)
      • Alexandre Luís Magalhães Levada ⇔ Jander Moreira (2.0)
        1. SALVADEO, DENIS ; MASCARENHAS, NELSON ; Moreira, Jander ; Levada, Alexandre ; CORREA, DEBORA. 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, N. D. A. ; MOREIRA, J. ; LEVADA, A. L. M. ; CORRÊA, D. C.. RBPCA MaxLike: A Novel Statistic 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: 24/11/2017 12:06:47