13.04.2013 Views

Algoritmos e complexidade Notas de aula - Arquivo Escolar

Algoritmos e complexidade Notas de aula - Arquivo Escolar

Algoritmos e complexidade Notas de aula - Arquivo Escolar

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

9. <strong>Algoritmos</strong> em grafos<br />

• Cada cliente i recebe ao menos ci perguntas (para obter informação suficiente)<br />

mas no máximo c ′ i perguntas (para não cansar ele). As perguntas<br />

po<strong>de</strong>m ser feitas somente sobre produtos que o cliente já comprou.<br />

• Para obter informações suficientes sobre um produto, entre pi e p ′ i clientes<br />

tem que ser interrogados sobre ele.<br />

Um mo<strong>de</strong>lo é um grafo bi-partido entre clientes e produtos, com aresta (ci, pj)<br />

caso cliente i já comprou produto j. O fluxo <strong>de</strong> cada aresta possui limite<br />

inferior 0 e limite superior 1. Para representar os limites <strong>de</strong> perguntas por<br />

produto e por cliente, introduziremos ainda dois vértices s, e t, com arestas<br />

(s, ci) com fluxo entre ci e c ′ i e arestas (pj, t) com fluxo entre pj e p ′ j e uma<br />

aresta (t, s).<br />

Segmentação <strong>de</strong> imagens O objetivo é segmentar um imagem em duas<br />

partes, por exemplo “foreground” e “background”. Supondo que temos uma<br />

“probabilida<strong>de</strong>” ai <strong>de</strong> pertencer ao “foreground” e outra “probabilida<strong>de</strong>” <strong>de</strong><br />

pertencer ao “background” bi para cada pixel i, uma abordagem direta é<br />

<strong>de</strong>finir que pixels com ai > bi são “foreground” e os outros “background”. Um<br />

exemplo po<strong>de</strong> ser visto na Fig. 9.7 (b). A <strong>de</strong>svantagem <strong>de</strong>ssa abordagem é que<br />

a separação ignora o contexto <strong>de</strong> um pixel. Um pixel, “foreground” com todos<br />

pixel adjacentes em “background” provavelmente pertence ao “background”<br />

também. Portanto obtemos um mo<strong>de</strong>lo melhor introduzindo penalida<strong>de</strong>s pij<br />

para separar (atribuir à categorias diferentes) pixel adjacentes i e j. Um<br />

partição do conjunto <strong>de</strong> todos pixels I em A . ∪ B tem um valor <strong>de</strong><br />

q(A, B) = <br />

ai + <br />

bi − <br />

i∈A<br />

i∈B<br />

(i,j)∈A×B<br />

nesse mo<strong>de</strong>lo, e o nosso objetivo é achar uma partição que maximiza q(A, B).<br />

Isso é equivalente a minimizar<br />

Q(A, B) = <br />

ai + bi − <br />

ai − <br />

bi + <br />

i∈I<br />

i∈A<br />

i∈B<br />

= <br />

ai + <br />

bi + <br />

i∈B<br />

i∈A<br />

(i,j)∈A×B<br />

pij<br />

(i,j)∈A×B<br />

A solução mínima <strong>de</strong> Q(A, B) po<strong>de</strong> ser visto como corte mínimo num grafo.<br />

O grafo possui um vértice para cada pixel e uma aresta com capacida<strong>de</strong> pij<br />

entre dois pixels adjacentes i e j. Ele possui ainda dois vértices adicionais<br />

s e t, arestas (s, i) com capacida<strong>de</strong> ai para cada pixel i e arestas (i, t) com<br />

capacida<strong>de</strong> bi para cada pixel i (ver Fig. 9.6).<br />

210<br />

pij.<br />

pij

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!