Para comprender en profundidad el pensamiento y la praxis feministas en nuestro país, es indispensable conocer el origen y el desarrollo del Seminario Permanente «Feminismo e Ilustración» creado por la filósofa Celia Amorós en la Universidad Complutense de Madrid a finales de los años ochenta del siglo XX.
El intenso trabajo de revisión de la Modernidad llevado a cabo por Amorós y las investigadoras que la acompañaban ha permitido formular un proyecto feminista de emancipación y de transformación social cimentado en la demanda de la universalización real de la igualdad y la autonomía prometidas por la Ilustración. Inscribiendo este Seminario en la historia del feminismo, este libro realiza una necesaria tarea de genealogía que reconoce la herencia y la proyección de este grupo fundacional tan importante en el feminismo de lengua castellana.
Feminismo e Ilustración. Un seminario fundacional
ISBN: 9788437641324
El precio original era: 20,40€.20,40€El precio actual es: 20,40€. 19,39€ IVA incluido
Solo quedan 4 disponibles (puede reservarse)
Fecha de edición | 10/09/2020 |
---|---|
Número de Edición |
1 |
Idioma | |
Formato | |
Páginas |
480 |
Lugar de edición |
MADRID |
Colección |
FEMINISMOS |
Encuadernación |
Preface.
Contributors.
1. Overview (Chein-I Chang).
I TUTORALS.
2. Hyperspectral Imaging Systems (John P. Kerekes and John R. Schott).
3. Information-Processed Matched Filters for Hyperspectral Target Detection and Classification (Chein-I Chang).
II THEORY.
4. An Optical Real-Time Adaptive Spectral Identification System (ORASIS) (Jeffery H. Bowles and David B. Gillis).
5. Stochastic Mixture Modeling (Michael T. Eismann1 and David W. J. Stein).
6. Unmixing Hyperspectral Data: Independent and Dependent Component Analysis (Jose M.P. Nascimento1 and Jose M.B. Dias).
7. Maximum Volume Transform For Endmember Spectra Determination (Michael E. Winter).
8. Hyperspectral Data Representation (Xiuping Jia and John A. Richards).
9. Optimal Band Selection and Utility Evaluation for Spectral Systems (Sylvia S. Shen).
10. Feature Reduction for Classification Purpose (Sebastiano B. Serpico, Gabriele Moser, and Andrea F. Cattoni).
11. Semi-supervised Support Vector Machines for Classification of Hyperspectral Remote Sensing Images (Lorenzo Bruzzone, Mingmin Chi, and Mattia Marconcini).
III APPLICATIONS.
12. Decision Fusion for Hyperspectral Classification (Mathieu Fauvel, Jocelyn Chanussot, and Jon Atli Benediktsson)
13. Morphological Hyperspectral Image Classification: A Parallel Processing Perspective (Antonio J. Plaza).
14. Three-Dimensional Wavelet-Based Compression of Hyperspectral Imagery (James E. Fowler and Justin T. Rucker).
Index.
Chein-I Chang, PHD, is Professor in the Department of Computer Sciences and Electrical Engineering at the University of Maryland, Baltimore County, where he directs the Remote Sensing Signal and Image Processing Laboratory. Dr. Chang is a Fellow of SPIE, the International Society for Optical Engineering, for his achievements in hyperspectral image processing. He is Associate Editor of the IEEE Transactions on Geoscience and Remote Sensing and the author of Hyperspectral Imaging: Techniques for Spectral Detection and Classification.