Correção de viés para o modelo de regressão G0I : uma aplicação à extração de atributos em imagens SAR

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: SOUSA, Maria Franciele da Silva Santos
Orientador(a): NASCIMENTO, Abraão David Costa do
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso embargado
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Programa de Pos Graduacao em Estatistica
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Link de acesso: https://repositorio.ufpe.br/handle/123456789/49945
Resumo: Os sistemas de radar de abertura sintética(Synthetic Aperture Radar - SAR) têm sido uma ferramenta bastante eficiente na resolução de problemas de sensoriamento re- moto. Tais sistemas apresentam diversas vantagens; tais como, eles podem operar inde- pendentemente das condições atmosféricas e produzir imagens com alta resolução espacial. Entretanto, as imagens SAR são contaminadas por um tipo de interferência denominada ruído speckle, dificultando assim a análise e o processamento delas. Assim, a proposta de técnicas estatísticas que considere o ruído speckle se torna uma importante etapa para usuários do sistema SAR, em particular, modelos de regressão. Vasconcelos (2018) propôs o modelo de regressão G0I (RG0I), indicando que ele tem uma grande importância na interpretação de imagens de intensidade SAR. É sabido da Teoria Assintótica de primeira ordem que o viés do estimador de máxima verossimilhança é de ordem O(n−1), podendo ser significativo para tamanhos de amostra pequenos ou moderados. Nesta dissertação, objetiva-se propor um estimador melhorado para os parâmetros de (RG0I) a partir da derivação do viés de segunda ordem proposto por Cox-Snell. Esta proposta encontra jus- tificação uma vez que o processamento de imagens SAR é requerido o uso de janelas pequenas e moderadas, como no estudo de atributos na vizinhança de pixels para clas- sificação e filtragem. Assim, a proposta de métodos de Teoria Assintótica de segunda ordem ou ordem superior se torna necessária. Nesta dissertação, apresentam-se os pri- meiros avanços nesta direção considerando o suposto da regressão G0I. Primeiramente, várias expressões em forma fechada para cumulantes de terceira ordem para RG0I são apresentadas. Subsequentemente, propõe-se uma expressão em forma fechada para viés de segunda ordem segundo a expressão de Cox-Snell. A fim de quantificar o desempenho da estimação melhorada, sua performance é quantificada comparativamente àquela das estimativas de máxima verossimilhança original. Finalmente uma aplicação a dados re- ais é realizada. Em todos os resultados numéricos, é possível observar a importância da proposta desta dissertação.
id UFPE_67fb65e7c6af41ccfa9b5428faeef03e
oai_identifier_str oai:repositorio.ufpe.br:123456789/49945
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling SOUSA, Maria Franciele da Silva Santoshttp://lattes.cnpq.br/7423529659043481http://lattes.cnpq.br/9853084384672692http://lattes.cnpq.br/1414084348600562NASCIMENTO, Abraão David Costa doVASCONCELOS, Josimar Mendes de2023-05-08T12:13:01Z2023-05-08T12:13:01Z2023-02-24SOUSA, Maria Franciele da Silva Santos. Correção de viés para o modelo de regressão G0I: uma aplicação à extração de atributos em imagens SAR. 2023. Dissertação (Mestrado em Estatística) – Universidade Federal de Pernambuco, Recife, 2023.https://repositorio.ufpe.br/handle/123456789/49945Os sistemas de radar de abertura sintética(Synthetic Aperture Radar - SAR) têm sido uma ferramenta bastante eficiente na resolução de problemas de sensoriamento re- moto. Tais sistemas apresentam diversas vantagens; tais como, eles podem operar inde- pendentemente das condições atmosféricas e produzir imagens com alta resolução espacial. Entretanto, as imagens SAR são contaminadas por um tipo de interferência denominada ruído speckle, dificultando assim a análise e o processamento delas. Assim, a proposta de técnicas estatísticas que considere o ruído speckle se torna uma importante etapa para usuários do sistema SAR, em particular, modelos de regressão. Vasconcelos (2018) propôs o modelo de regressão G0I (RG0I), indicando que ele tem uma grande importância na interpretação de imagens de intensidade SAR. É sabido da Teoria Assintótica de primeira ordem que o viés do estimador de máxima verossimilhança é de ordem O(n−1), podendo ser significativo para tamanhos de amostra pequenos ou moderados. Nesta dissertação, objetiva-se propor um estimador melhorado para os parâmetros de (RG0I) a partir da derivação do viés de segunda ordem proposto por Cox-Snell. Esta proposta encontra jus- tificação uma vez que o processamento de imagens SAR é requerido o uso de janelas pequenas e moderadas, como no estudo de atributos na vizinhança de pixels para clas- sificação e filtragem. Assim, a proposta de métodos de Teoria Assintótica de segunda ordem ou ordem superior se torna necessária. Nesta dissertação, apresentam-se os pri- meiros avanços nesta direção considerando o suposto da regressão G0I. Primeiramente, várias expressões em forma fechada para cumulantes de terceira ordem para RG0I são apresentadas. Subsequentemente, propõe-se uma expressão em forma fechada para viés de segunda ordem segundo a expressão de Cox-Snell. A fim de quantificar o desempenho da estimação melhorada, sua performance é quantificada comparativamente àquela das estimativas de máxima verossimilhança original. Finalmente uma aplicação a dados re- ais é realizada. Em todos os resultados numéricos, é possível observar a importância da proposta desta dissertação.CAPESSynthetic Aperture Radar (SAR) systems have been a very efficient tool in solving sensing problems remote. Such systems have several advantages; such as, they can operate independently atmospheric conditions and produce images with high spatial resolution. However, SAR images are contaminated by a type of interference called speckle noise, thus making their analysis and processing difficult. Thus, the proposal to statistical techniques that consider speckle noise becomes an important step to users of the SAR system, in par- ticular regression models. Vasconcelos (2018) proposed the G0I regression model (RG0I), indicating that it has a great importance in the interpretation of SAR intensity images. It is known from the First Order Asymptotic Theory that the bias of the maximum like- lihood estimator is of order O(n−1), which can be significant for small and moderate sample sizes. In this dissertation, the objective is propose an improved estimator for the parameters of (RG0I) from the derivation of the second-order bias proposed by Cox-Snell. This proposal is justified by a since the processing of SAR images is required to use small and moderate windows, as in the study of attributes in the neighborhood of pixels for classification and filtering. Thus, the proposal of second-order or higher-order Asymptotic Theory methods becomes necessary. This dissertation presents the first advances in this direction. Considering the assumption of the G0I regression. First, several expressions in closed form for third-order cumulants for RG0I are presented. Subsequently, we propose a closed-form expression for second-order bias according to the expression by Cox-Snell. In order to quantify the performance of the improved estimation, its performance is quanti- fied compared to that of maximum likelihood estimates original. Finally, an application to real data is performed. in all numerical results, it is possible to observe the importance of the proposal of this dissertation.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em EstatisticaUFPEBrasilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/embargoedAccessEstatística matemáticaCorreção de viésRegressãoCorreção de viés para o modelo de regressão G0I : uma aplicação à extração de atributos em imagens SARinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPELICENSElicense.txtlicense.txttext/plain; charset=utf-82362https://repositorio.ufpe.br/bitstream/123456789/49945/3/license.txt5e89a1613ddc8510c6576f4b23a78973MD53ORIGINALDISSERTAÇÃO Maria Franciele da Silva Santos Sousa.pdfDISSERTAÇÃO Maria Franciele da Silva Santos Sousa.pdfapplication/pdf3377835https://repositorio.ufpe.br/bitstream/123456789/49945/1/DISSERTA%c3%87%c3%83O%20Maria%20Franciele%20da%20Silva%20Santos%20Sousa.pdfa5f03cef76684be86703cacac84c62ddMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/49945/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52TEXTDISSERTAÇÃO Maria Franciele da Silva Santos Sousa.pdf.txtDISSERTAÇÃO Maria Franciele da Silva Santos Sousa.pdf.txtExtracted texttext/plain104334https://repositorio.ufpe.br/bitstream/123456789/49945/4/DISSERTA%c3%87%c3%83O%20Maria%20Franciele%20da%20Silva%20Santos%20Sousa.pdf.txt23b8b9e0f3f9f2a5c2eba2bdc4a0b9ecMD54THUMBNAILDISSERTAÇÃO Maria Franciele da Silva Santos Sousa.pdf.jpgDISSERTAÇÃO Maria Franciele da Silva Santos Sousa.pdf.jpgGenerated Thumbnailimage/jpeg1240https://repositorio.ufpe.br/bitstream/123456789/49945/5/DISSERTA%c3%87%c3%83O%20Maria%20Franciele%20da%20Silva%20Santos%20Sousa.pdf.jpg56f9f6acef1c6f1ad8273abca6cd58baMD55123456789/499452023-05-09 02:15:02.709oai:repositorio.ufpe.br:123456789/49945VGVybW8gZGUgRGVww7NzaXRvIExlZ2FsIGUgQXV0b3JpemHDp8OjbyBwYXJhIFB1YmxpY2l6YcOnw6NvIGRlIERvY3VtZW50b3Mgbm8gUmVwb3NpdMOzcmlvIERpZ2l0YWwgZGEgVUZQRQoKCkRlY2xhcm8gZXN0YXIgY2llbnRlIGRlIHF1ZSBlc3RlIFRlcm1vIGRlIERlcMOzc2l0byBMZWdhbCBlIEF1dG9yaXphw6fDo28gdGVtIG8gb2JqZXRpdm8gZGUgZGl2dWxnYcOnw6NvIGRvcyBkb2N1bWVudG9zIGRlcG9zaXRhZG9zIG5vIFJlcG9zaXTDs3JpbyBEaWdpdGFsIGRhIFVGUEUgZSBkZWNsYXJvIHF1ZToKCkkgLSBvcyBkYWRvcyBwcmVlbmNoaWRvcyBubyBmb3JtdWzDoXJpbyBkZSBkZXDDs3NpdG8gc8OjbyB2ZXJkYWRlaXJvcyBlIGF1dMOqbnRpY29zOwoKSUkgLSAgbyBjb250ZcO6ZG8gZGlzcG9uaWJpbGl6YWRvIMOpIGRlIHJlc3BvbnNhYmlsaWRhZGUgZGUgc3VhIGF1dG9yaWE7CgpJSUkgLSBvIGNvbnRlw7pkbyDDqSBvcmlnaW5hbCwgZSBzZSBvIHRyYWJhbGhvIGUvb3UgcGFsYXZyYXMgZGUgb3V0cmFzIHBlc3NvYXMgZm9yYW0gdXRpbGl6YWRvcywgZXN0YXMgZm9yYW0gZGV2aWRhbWVudGUgcmVjb25oZWNpZGFzOwoKSVYgLSBxdWFuZG8gdHJhdGFyLXNlIGRlIG9icmEgY29sZXRpdmEgKG1haXMgZGUgdW0gYXV0b3IpOiB0b2RvcyBvcyBhdXRvcmVzIGVzdMOjbyBjaWVudGVzIGRvIGRlcMOzc2l0byBlIGRlIGFjb3JkbyBjb20gZXN0ZSB0ZXJtbzsKClYgLSBxdWFuZG8gdHJhdGFyLXNlIGRlIFRyYWJhbGhvIGRlIENvbmNsdXPDo28gZGUgQ3Vyc28sIERpc3NlcnRhw6fDo28gb3UgVGVzZTogbyBhcnF1aXZvIGRlcG9zaXRhZG8gY29ycmVzcG9uZGUgw6AgdmVyc8OjbyBmaW5hbCBkbyB0cmFiYWxobzsKClZJIC0gcXVhbmRvIHRyYXRhci1zZSBkZSBUcmFiYWxobyBkZSBDb25jbHVzw6NvIGRlIEN1cnNvLCBEaXNzZXJ0YcOnw6NvIG91IFRlc2U6IGVzdG91IGNpZW50ZSBkZSBxdWUgYSBhbHRlcmHDp8OjbyBkYSBtb2RhbGlkYWRlIGRlIGFjZXNzbyBhbyBkb2N1bWVudG8gYXDDs3MgbyBkZXDDs3NpdG8gZSBhbnRlcyBkZSBmaW5kYXIgbyBwZXLDrW9kbyBkZSBlbWJhcmdvLCBxdWFuZG8gZm9yIGVzY29saGlkbyBhY2Vzc28gcmVzdHJpdG8sIHNlcsOhIHBlcm1pdGlkYSBtZWRpYW50ZSBzb2xpY2l0YcOnw6NvIGRvIChhKSBhdXRvciAoYSkgYW8gU2lzdGVtYSBJbnRlZ3JhZG8gZGUgQmlibGlvdGVjYXMgZGEgVUZQRSAoU0lCL1VGUEUpLgoKIApQYXJhIHRyYWJhbGhvcyBlbSBBY2Vzc28gQWJlcnRvOgoKTmEgcXVhbGlkYWRlIGRlIHRpdHVsYXIgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIGRlIGF1dG9yIHF1ZSByZWNhZW0gc29icmUgZXN0ZSBkb2N1bWVudG8sIGZ1bmRhbWVudGFkbyBuYSBMZWkgZGUgRGlyZWl0byBBdXRvcmFsIG5vIDkuNjEwLCBkZSAxOSBkZSBmZXZlcmVpcm8gZGUgMTk5OCwgYXJ0LiAyOSwgaW5jaXNvIElJSSwgYXV0b3Jpem8gYSBVbml2ZXJzaWRhZGUgRmVkZXJhbCBkZSBQZXJuYW1idWNvIGEgZGlzcG9uaWJpbGl6YXIgZ3JhdHVpdGFtZW50ZSwgc2VtIHJlc3NhcmNpbWVudG8gZG9zIGRpcmVpdG9zIGF1dG9yYWlzLCBwYXJhIGZpbnMgZGUgbGVpdHVyYSwgaW1wcmVzc8OjbyBlL291IGRvd25sb2FkIChhcXVpc2nDp8OjbykgYXRyYXbDqXMgZG8gc2l0ZSBkbyBSZXBvc2l0w7NyaW8gRGlnaXRhbCBkYSBVRlBFIG5vIGVuZGVyZcOnbyBodHRwOi8vd3d3LnJlcG9zaXRvcmlvLnVmcGUuYnIsIGEgcGFydGlyIGRhIGRhdGEgZGUgZGVww7NzaXRvLgoKIApQYXJhIHRyYWJhbGhvcyBlbSBBY2Vzc28gUmVzdHJpdG86CgpOYSBxdWFsaWRhZGUgZGUgdGl0dWxhciBkb3MgZGlyZWl0b3MgYXV0b3JhaXMgZGUgYXV0b3IgcXVlIHJlY2FlbSBzb2JyZSBlc3RlIGRvY3VtZW50bywgZnVuZGFtZW50YWRvIG5hIExlaSBkZSBEaXJlaXRvIEF1dG9yYWwgbm8gOS42MTAgZGUgMTkgZGUgZmV2ZXJlaXJvIGRlIDE5OTgsIGFydC4gMjksIGluY2lzbyBJSUksIGF1dG9yaXpvIGEgVW5pdmVyc2lkYWRlIEZlZGVyYWwgZGUgUGVybmFtYnVjbyBhIGRpc3BvbmliaWxpemFyIGdyYXR1aXRhbWVudGUsIHNlbSByZXNzYXJjaW1lbnRvIGRvcyBkaXJlaXRvcyBhdXRvcmFpcywgcGFyYSBmaW5zIGRlIGxlaXR1cmEsIGltcHJlc3PDo28gZS9vdSBkb3dubG9hZCAoYXF1aXNpw6fDo28pIGF0cmF2w6lzIGRvIHNpdGUgZG8gUmVwb3NpdMOzcmlvIERpZ2l0YWwgZGEgVUZQRSBubyBlbmRlcmXDp28gaHR0cDovL3d3dy5yZXBvc2l0b3Jpby51ZnBlLmJyLCBxdWFuZG8gZmluZGFyIG8gcGVyw61vZG8gZGUgZW1iYXJnbyBjb25kaXplbnRlIGFvIHRpcG8gZGUgZG9jdW1lbnRvLCBjb25mb3JtZSBpbmRpY2FkbyBubyBjYW1wbyBEYXRhIGRlIEVtYmFyZ28uCg==Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212023-05-09T05:15:02Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Correção de viés para o modelo de regressão G0I : uma aplicação à extração de atributos em imagens SAR
title Correção de viés para o modelo de regressão G0I : uma aplicação à extração de atributos em imagens SAR
spellingShingle Correção de viés para o modelo de regressão G0I : uma aplicação à extração de atributos em imagens SAR
SOUSA, Maria Franciele da Silva Santos
Estatística matemática
Correção de viés
Regressão
title_short Correção de viés para o modelo de regressão G0I : uma aplicação à extração de atributos em imagens SAR
title_full Correção de viés para o modelo de regressão G0I : uma aplicação à extração de atributos em imagens SAR
title_fullStr Correção de viés para o modelo de regressão G0I : uma aplicação à extração de atributos em imagens SAR
title_full_unstemmed Correção de viés para o modelo de regressão G0I : uma aplicação à extração de atributos em imagens SAR
title_sort Correção de viés para o modelo de regressão G0I : uma aplicação à extração de atributos em imagens SAR
author SOUSA, Maria Franciele da Silva Santos
author_facet SOUSA, Maria Franciele da Silva Santos
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/7423529659043481
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/9853084384672692
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/1414084348600562
dc.contributor.author.fl_str_mv SOUSA, Maria Franciele da Silva Santos
dc.contributor.advisor1.fl_str_mv NASCIMENTO, Abraão David Costa do
dc.contributor.advisor-co1.fl_str_mv VASCONCELOS, Josimar Mendes de
contributor_str_mv NASCIMENTO, Abraão David Costa do
VASCONCELOS, Josimar Mendes de
dc.subject.por.fl_str_mv Estatística matemática
Correção de viés
Regressão
topic Estatística matemática
Correção de viés
Regressão
description Os sistemas de radar de abertura sintética(Synthetic Aperture Radar - SAR) têm sido uma ferramenta bastante eficiente na resolução de problemas de sensoriamento re- moto. Tais sistemas apresentam diversas vantagens; tais como, eles podem operar inde- pendentemente das condições atmosféricas e produzir imagens com alta resolução espacial. Entretanto, as imagens SAR são contaminadas por um tipo de interferência denominada ruído speckle, dificultando assim a análise e o processamento delas. Assim, a proposta de técnicas estatísticas que considere o ruído speckle se torna uma importante etapa para usuários do sistema SAR, em particular, modelos de regressão. Vasconcelos (2018) propôs o modelo de regressão G0I (RG0I), indicando que ele tem uma grande importância na interpretação de imagens de intensidade SAR. É sabido da Teoria Assintótica de primeira ordem que o viés do estimador de máxima verossimilhança é de ordem O(n−1), podendo ser significativo para tamanhos de amostra pequenos ou moderados. Nesta dissertação, objetiva-se propor um estimador melhorado para os parâmetros de (RG0I) a partir da derivação do viés de segunda ordem proposto por Cox-Snell. Esta proposta encontra jus- tificação uma vez que o processamento de imagens SAR é requerido o uso de janelas pequenas e moderadas, como no estudo de atributos na vizinhança de pixels para clas- sificação e filtragem. Assim, a proposta de métodos de Teoria Assintótica de segunda ordem ou ordem superior se torna necessária. Nesta dissertação, apresentam-se os pri- meiros avanços nesta direção considerando o suposto da regressão G0I. Primeiramente, várias expressões em forma fechada para cumulantes de terceira ordem para RG0I são apresentadas. Subsequentemente, propõe-se uma expressão em forma fechada para viés de segunda ordem segundo a expressão de Cox-Snell. A fim de quantificar o desempenho da estimação melhorada, sua performance é quantificada comparativamente àquela das estimativas de máxima verossimilhança original. Finalmente uma aplicação a dados re- ais é realizada. Em todos os resultados numéricos, é possível observar a importância da proposta desta dissertação.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-05-08T12:13:01Z
dc.date.available.fl_str_mv 2023-05-08T12:13:01Z
dc.date.issued.fl_str_mv 2023-02-24
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SOUSA, Maria Franciele da Silva Santos. Correção de viés para o modelo de regressão G0I: uma aplicação à extração de atributos em imagens SAR. 2023. Dissertação (Mestrado em Estatística) – Universidade Federal de Pernambuco, Recife, 2023.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/49945
identifier_str_mv SOUSA, Maria Franciele da Silva Santos. Correção de viés para o modelo de regressão G0I: uma aplicação à extração de atributos em imagens SAR. 2023. Dissertação (Mestrado em Estatística) – Universidade Federal de Pernambuco, Recife, 2023.
url https://repositorio.ufpe.br/handle/123456789/49945
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/embargoedAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv embargoedAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Estatistica
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/49945/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/49945/1/DISSERTA%c3%87%c3%83O%20Maria%20Franciele%20da%20Silva%20Santos%20Sousa.pdf
https://repositorio.ufpe.br/bitstream/123456789/49945/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/49945/4/DISSERTA%c3%87%c3%83O%20Maria%20Franciele%20da%20Silva%20Santos%20Sousa.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/49945/5/DISSERTA%c3%87%c3%83O%20Maria%20Franciele%20da%20Silva%20Santos%20Sousa.pdf.jpg
bitstream.checksum.fl_str_mv 5e89a1613ddc8510c6576f4b23a78973
a5f03cef76684be86703cacac84c62dd
e39d27027a6cc9cb039ad269a5db8e34
23b8b9e0f3f9f2a5c2eba2bdc4a0b9ec
56f9f6acef1c6f1ad8273abca6cd58ba
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1862741658777419776