Correção de viés para o modelo de regressão G0I : uma aplicação à extração de atributos em imagens SAR
| Ano de defesa: | 2023 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| 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 |