[pt] O homem como ser social faz uso de variados veículos de expressão e comunicação de suas idéias. Os objetos surgem como facilitadores de sua existência, inclusive como suportes das relações sociais. Dentro do vasto universo de objetos produzidos pela humanidade, destacamos os adornos pessoais - jóias, como aqueles aos quais inúmeros usos e significados são atribuídos. Na presente dissertação será traçado um panorama deste objeto na sociedade brasileira nos dias atuais. Objetiva-se localizar o designer dentro do setor de jóias e gemas nacional, compreendendo a sua relação com o setor produtivo e as oportunidades de formação especializada. / [en] Man is a social being and, as such, makes use of various means to express and communicate his ideas. He uses objects to make his existence easier, inclusively in support of his social relations. Within the ample universe of objects created by humanity, we point out personal ornaments - jewels, to which sometimes different usages and meanings are attributed. In this paper we provide an overview of these objects in present-day Brazilian society. Our aim is to place the designer within the Brazilian gem and jewelry industry and describe his relation with the productive sector and the opportunities for specialization.

[pt] Esta dissertação investigou a criação de comitês de classificadores baseados em Redes Neurais Multilayer Perceptron (Redes MLP, abreviadamente). Isso foi feito em dois passos: primeiro, aplicando-se procedimentos para criação de redes complementares, i.e, redes individualmente eficazes mas que cometem erros distintos; segundo, testando- se sobre essas redes alguns dos principais métodos de combinação disponíveis. Dentre os procedimentos para criação de redes complementares, foi dado enfoque para os baseados em alteração do conjunto de treinamento. Os métodos Bootstrap e Arc-x4 foram escolhidos para serem utilizados no estudo de casos, juntamente com o método RDP (Replicação Dirigida de Padrões). No que diz respeito aos métodos de combinação disponíveis, foi dada particular atenção ao método de combinação por integrais nebulosas. Além deste método, implementou-se combinação por média, votação por pluralidade e Borda count. As aplicações escolhidas para teste envolveram duas vertentes importantes na área de visão computacional - Classificação de Coberturas de Solo por Imagens de Satélite e Reconhecimento de Expressões Faciais. Embora ambas pertençam à mesma área de conhecimento, foram escolhidas de modo a representar níveis de dificuldade diferentes como tarefas de classificação - enquanto a primeira contou com um grande número de padrões disponíveis, a segunda foi comparativamente limitada nesse sentido. Como resultado final, comprovou-se a viabilidade da utilização de comitês em problemas de classificação, mesmo com as possíveis variações de desempenho relacionadas com a complexidade desses problemas. O método de combinação baseado em integrais nebulosas mostrou-se particularmente eficiente quando associado ao procedimento RDP para formação das redes comissionadas, mas nem sempre foi satisfatório. Considerado individualmente, o RDP tem a limitação de criar, no máximo, tantas redes quanto forem as classes consideradas em um problema; porém, quando este número de redes foi considerado como base de comparação, o RDP se mostrou, na média de todos os métodos de combinação testados, mais eficaz que os procedimentos Bootstrap e Arc-x4. Por outro lado, tanto o Bootstrap quanto o Arc-x4 têm a importante vantagem de permitirem a formação de um número crescente de membros, o que quase sempre acarretou em melhorias de desempenho global em relação ao RDP. / [en] The present dissertation investigated the creation of classifier committees based on Multilayer Perceptron Neural Networks (MLP Networks, for short). This was done in two parts: first, by applying procedures for creating complementary networks, i.e., networks that are individually accurate but cause distinct misclassifications; second, by assessing different combining methods to these network`s outputs. Among the procedures for creating committees members, the main focus was set to the ones based on changes to the training set . Bootstrap and Arc-x4 were chosen to be used at the experiments, along with the RDP procedure (translated as Driven Pattern Replication). With respect to the available combining methods, special attention was paid to fuzzy integrals combination. Average combination, plurality voting and Borda count were also implemented. The chosen experimental applications included interesting branches from computer vision: Land Cover Classification from Satellite Images and Facial Expression Recognition. These applications were specially interesting, in the sense they represent two different levels of difficulty as classification tasks - while the first had a great number of available patterns, the second was comparatively limited in this way. This work proved the viability of using committees in classification problems, despite the small performance fluctuations related to these problems complexity. The fuzzy integrals method has shown to be particularly interesting when coupled with the RDP procedure for committee creation, but was not always satisfactory. Taken alone, the RDP has the limitation of creating, at most, as many networks as there are classes to be considered at the problem at hand; however, when this number of networks was considered as the basis for comparison, this procedure outperformed, taking into account average combining results, both Bootstrap and Arc- x4. On the other hand, these later procedures have the important advantage of allowing the creation of an increasing number of committee members, what almost always increased global performance in comparison to RDP. / [es] Esta disertación investigó la creación de comités de clasificadores basados en Redes Neurales Multilayer Perceptron (Redes MLP, abreviadamente). Esto fue ejecutado en dos pasos: primeiro, aplicando procedimentos para la creación de redes complementares, esto es, redes que individualmente son eficaces pero que cometen erros diferentes; segundo, probando sobre esas redes, algunos de los principales métodos de combinación disponibles. Dentro de los procedimentos para la creación de redes complementares, se eligieron los basados en alteración del conjunto de entrenamiento. Los métodos Bootstrap y Arc-x4 fueron seleccionados para utilizarlos em el estudio de casos, conjuntamente con el método RDP (Replicación Dirigida de Padrones). Con respecto a los métodos de combinación disponibles, se le dió particular atención al método de combinación por integrales nebulosas. Además de este método, se implementaron: combinación por media, votación por pluralidad y Borda cont. Las aplicaciones seleccionadas para pruebas consideran dos vertientes importantes en la área de visión computacional - Clasificación de Coberturas de Suelo por Imágenes de Shastalite y Reconocimiento de Expresiones Faciales. Aunque ambas pertencen a la misma área de conocimento, fueron seleccionadas de modo con diferentes níveles de dificuldad como tareas de clasificación - Mientras la primera contó con un gran número de padrones disponibles, la segunda fue comparativamente limitada em ese sentido. Como resultado final, se comprobó la viabilidad de la utilización de comités en problemas de clasificación, incluso con las posibles variaciones de desempeño relacionadas con la complejidad de esos problemas. El método de combinación basado en integrales nebulosas se mostró particularmente eficiente asociado al procedimiento RDP para formación de las redes comisionadas, pero no siempre fue satisfactorio. Considerado individualmente, el RDP tiene la limitación de crear, como máximo, tantas redes como clases consideradas en un problema; sin embargo, cuando el número de redes fue considerado como base de comparación, el RDP se mostró más eficaz, en la media de todos los métodos de combinación, que los procedimentos Bootstrap y Arc-x4. Por otro lado, tanto el Bootstrap como el Arc-x4 tiene la importante ventaja de permitir la formación de un número cresciente de miembros, lo que generalmente mejora el desempeño global en relación al RDP.

[pt] Hoje em dia, grande parte do conhecimento acumulado está armazenado em forma de dados. Para muitos problemas de classificação, tenta-se aprender a relação entre um conjunto de variáveis (atributos) e uma variável alvo de interesse. Dentre as ferramentas capazes de atuar como modelos representativos de sistemas reais, os Sistemas de Inferência Fuzzy são considerados excelentes com respeito à representação do conhecimento de forma compreensível, por serem baseados em regras linguísticas. Este quesito de interpretabilidade linguística é relevante em várias aplicações em que não se deseja apenas um modelo do tipo caixa preta, que, por mais precisão que proporcione, não fornece uma explicação de como os resultados são obtidos. Esta dissertação aborda o desenvolvimento de um Sistema de Inferência Fuzzy de forma automática, buscando uma base de regras que valorize a interpretabilidade linguística e que, ao mesmo tempo, forneça uma boa acurácia. Para tanto, é proposto o modelo AutoFIS-Class, um método automático para a geração de Sistemas de Inferência Fuzzy para problemas de classificação. As características do modelo são: (i) geração de premissas que garantam critérios mínimos de qualidade, (ii) associação de cada premissa a um termo consequente mais compatível e (iii) agregação de regras de uma mesma classe por meio de operadores que ponderem a influência de cada regra. O modelo proposto é avaliado em 45 bases de dados benchmark e seus resultados são comparados com modelos da literatura baseados em Algoritmos Evolucionários. Os resultados comprovam que o Sistema de Inferência gerado é competitivo, apresentando uma boa acurácia com um baixo número de regras. / [en] Nowadays, much of the accumulated knowledge is stored as data. In many classification problems the relationship between a set of variables (attributes) and a target variable of interest must be learned. Among the tools capable of modeling real systems, Fuzzy Inference Systems are considered excellent with respect to the knowledge representation in a comprehensible way, as they are based on inference rules. This is relevant in applications where a black box model does not suffice. This model may attain good accuracy, but does not explain how results are obtained. This dissertation presents the development of a Fuzzy Inference System in an automatic manner, where the rule base should favour linguistic interpretability and at the same time provide good accuracy. In this sense, this work proposes the AutoFIS-Class model, an automatic method for generating Fuzzy Inference Systems for classification problems. Its main features are: (i) generation of premises to ensure minimum, quality criteria, (ii) association of each rule premise to the most compatible consequent term; and (iii) aggregation of rules for each class through operator that weigh the relevance of each rule. The proposed model was evaluated for 45 datasets and their results were compared to existing models based on Evolutionary Algorithms. Results show that the proposed Fuzzy Inference System is competitive, presenting good accuracy with a low number of rules.

[pt] A motivação deste trabalho consiste no uso do four-roll mill para aumentar a separação de fases de emulsões água em óleo (A/O) presente no processamento primário da indústria de petróleo. A partir da conservação de massa e momento, a fase contínua foi modelada como escoamento incompressível, bi-dimensional e isotérmico. Simulações numéricas utilizando o método de elementos finitos foram implementadas para revelar a influência das diversas configurações de escoamento no comportamento mecânico do material. A partir dos resultados obtidos, a habitual forma de classificar o escoamento no four-roll mill de acordo com a literatura se demonstrou ineficiente. Este trabalho sugere classificações locais de escoamento a cada posição dependendo se a mesma está ocupada pela fase contínua ou dispersa da emulsão. O efeito da fase dispersa é descrito via pós-processamento. Microelementos no formato de vetores foram inseridos no domínio e investigou-se suas deformações e trajetórias. Consequentemente, analisou-se a deformação de gotas e a sua respectiva influência na instabilidade da emulsão. / [en] The motivation of this work consists in the use of four-roll mill in order to increase the phase separation of water-in-oil emulsions (W/O) present in the primary process of oil industry. With mass and momentum conservation, the continuous phase is modeled by an incompressible, bi-dimensional and isothermal flow. Numerical simulations employing the finite element method were implemented to reveal the influence of the several flow configurations in the material mechanical behavior. From the obtained results, the standard way of classifying the flow in the four-roll mill according to the literature was proved inefficient. This work suggests local flow classifications for each position depending if it is occupied by the continuous or dispersed phase. The effect of the dispersed phase was described by a post-processing scheme. Microelements in shape of vectors were inserted in the domain and their deformations and pathlines were investigated. Thus, the deformation of droplets and their respective influences in the emulsion instability were analyzed.

[pt] Diagramas de decisão são uma generalização de árvores de decisão, já propostos como um modelo de aprendizado de máquina para classificação supervisionada mas não largamente adotados. A razão é a dificuldade em treinar o modelo, já que o requerimento de decidir splits (partições) e merges (uniões de nós) em conjunto pode levar a problemas difíceis de otimização combinatória. Um diagrama de decisão tem importantes vantagens sobre árvores de decisão, pois melhor expressa conceitos binários disjuntos, evitando o problema de duplicação de subárvores e, portanto, apresentando menos fragmentação em nós internos. Por esse motivo, desenvolver algoritmos efetivos de construção é um esforço importante. Nesse contexto, o algoritmo Optimal Decision Diagram (ODD) foi recentemente proposto, formulando a construção do diagrama com programação inteira mista (MILP na sigla em inglês), com um warm start proveniente de uma heurística construtiva gulosa. Experimentos mostraram que essa heurística poderia ser aperfeiçoada, a fim de encontrar soluções próximas do ótimo de maneira mais efetiva, e por sua vez prover um warm start melhor. Nesse estudo, reportamos aperfeiçoamentos para essa heurística construtiva, sendo eles a randomização das decisões de split, a poda de fluxos puros (ou seja, fluxos de exemplos pertencentes a uma única classe), e aplicando uma poda bottom-up (de baixo para cima), que considera a complexidade do modelo além da sua acurácia. Todos os aperfeiçoamentos propostos têm efeitos positivos na acurácia e generalização, assim como no valor objetivo do algoritmo ODD. A poda bottom-up, em especial, tem impacto significativo no valor objetivo, e portanto na capacidade da formulação MILP de encontrar soluções ótimas. Ademais, provemos experimentos sobre a expressividade de diagramas de decisão em comparação a árvores no contexto de pequenas funções booleanas em Forma Normal Disjuntiva (DNF na sigla em inglês), assim como uma aplicação web para a exploração visual dos métodos construtivos propostos. / [en] Decision diagrams are a generalization of decision trees. They have been repeatedly proposed as a supervised classification model for machine learning but have not been widely adopted. The reason appears to be the difficulty of training the model, as the requirement of deciding splits and merging nodes can lead to difficult combinatorial optimization problems. A decision diagram has marked advantages over decision trees because it better models disjoint binary concepts, avoiding the replication of subtrees and thus has less sample fragmentation in internal nodes. Because of this, devising an effective construction algorithm is important. In this context, the Optimal Decision Diagram (ODD) algorithm was recently proposed, which formulates the problem of building a diagram as a mixed-integer linear program (MILP), with a warm start provided by a greedy constructive heuristic. Initial experiments have shown that this heuristic can be improved upon, in order to find close-to-optimal solutions more effectively and in turn provide the MILP with a better warm start. In this study, we report improvements to this constructive heuristic, by randomizing the split decisions, pruning pure flows (i.e. flows with samples from a single class), and applying bottom-up pruning, which considers the complexity of the model in addition to its accuracy. All proposed improvements have positive effects on accuracy and generalization, as well as the objective value of the ODD algorithm. The bottom-up pruning strategy, in particular, has a substantial impact on the objective value, and thus on the ability of the MILP solver to find optimal solutions. In addition, we provide experiments on the expressiveness of decision diagrams when compared to trees in the context of small boolean functions in Disjoint Normal Form (DNF), as well as a web application for the visual exploration of the proposed constructive approaches.

[pt] Gliomas estão entre os tumores cerebrais malignos mais comuns. Eles podem ser classificados entre gliomas de baixo e alto grau e sua identificação precoce é fundamental para o direcionamento do tratamento aplicado. Utilizando uma abordagem radiomics, o presente trabalho propõe o uso de índices de biodiversidade e de diversidade filogenética, definidos no campo da biologia, no problema de classificação de gliomas. O método proposto apresentou resultados promissores, com AUC-ROC (area under the ROC curve), acurácia, sensibilidade e especificidade de 0,951, 0,930, 0,967 e 0,827, respectivamente. / [en] Gliomas are among the most common malignant brain tumors. They can be classified into low-grade and high-grade gliomas and their early identification is crucial for treatment direction. Using a radiomics approach, the present work proposes the use of biodiversity and phylogenetic diversity biology indices to handle the glioma classification problem. The proposed method presented promising results, with AUC-ROC (area under the ROC curve), accuracy, sensitivity and specificity of 0,951, 0,930, 0,967 and 0,827, respectively.

[pt] O minério de ferro é um material policristalino oriundo de processos naturais complexos durante tempos geológicos, que dão origem a características intrínsecas e comportamento industrial variado. A grande maioria dos minérios de ferro brasileiro é essencialmente hematítico. A hematita pode ser classificada como lobular, lamelar, granular, microcristalina ou martita. Na industria mineral, esta caracterização é tradicionalmente realizada por operadores humanos a partir de observação de amostras de microscópio ótico, sujeita a grandes variações. Assim, é relevante desenvolver um procedimento que permita a discriminação dos diferentes tipos de hematita e a medida de características tais como o tamanho do cristal. Esta tese propõe um sistema que mede e classifica automaticamente tipos texturais de hematita baseado no processamento e na análise de imagens de microscopia ótica, em campo claro, polarização linear e polarização circular. Foram desenvolvidos rotinas para aquisição, registro,, segmentação, reconhecimento e análise morfológica de cristais hematita. A segmentação automática de cristais de hematita foi baseada no calculo da distância espectral, a fim de controlar o crescimento de regiões partindo das sementes. Os resultados da identificação dos cristais obtidos, tanto nas imagens obtidas com polarização linear quanto com polarização circular, foram muito promissores. Atributos de tamanho e forma dos cristais identificados foram obtidos. Estes dados foram usados como conjunto de treinamento para classificadores supervisionados, permitindo reconhecer as classes de hematita granular, lamelar e lobular. Taxas de acertos globais próximas a 98 por cento forma obtidas, tanto para autovalidação, quanto para avaliação cruzada. / [en] Iron ore is a polycrytalline material created by complex natural process during geological period, wich give rise to intrinsic characteristics and varied industrial behavior. The vast majority of the Brazilian iron ores belong essentially to the hematitic type. Hematite can be classified as lobular, lamelar, granular micro-crystalline or martite. In the mineral industry, the characterion of iron ore and its agglomerates is traditionally developed by human operatorsform the observation of samples under the optical microscop, wich may suffer large variations. Thus, it is important to develop a procedure that allows the discrimation of the different hematite types and the measurement of characteristics suchs crystal size. The present thesis proposes a system for the automatic classification of hematite textural types, based of digital on processing and analysis of optical microscopy images, in bright field, linear and circular polarized light. Routines were developed for the acquisition, registration, recognition and morphological analysis of hematite crytals. The automatic segmentation of hematite crystals was based on calculating the spectral distance, in order to control the region expansion form the seeds. The results regarding the identification of the obtained cystals were very promising. Size and shape attributes were obtained and used as a training set for supervised classifiers, leading to the recognition of granular, lamelar and lobular hematite classes. Global sucess rates close to 98 percent were obtained concerning self-validation as well crossed validation.

[pt] Objetos de Aprendizagem ou Learning Objects (LOs) são porções de material didático tais como textos que podem ser reutilizados na composição de outros objetos maiores (aulas ou cursos). Um dos problemas da reutilização de LOs é descobri-los em seus contextos ou documentos texto originais tais como livros, e artigos. Visando a obtenção de LOs, este trabalho apresenta um processo que parte da extração, tratamento e carga de uma base de dados textual e em seguida, baseando-se em técnicas de aprendizado de máquina, uma combinação de EM (Expectation-Maximization) e um classificador Bayesiano, classifica-se os textos extraídos. Tal processo foi implementado em um sistema chamado SQLLOMining, que usa SQL como linguagem de programação e técnicas de mineração de texto na busca de LOs. / [en] Learning Objects (LOs) are pieces of instructional material like traditional texts that can be reused in the composition of more complex objects like classes or courses. There are some difficulties in the process of LO reutilization. One of them is to find pieces of documents that can be used like LOs. In this work we present a process that, in search for LOs, starts by extracting, transforming and loading a text database and then continue clustering these texts, using a machine learning methods that combines EM (Expectation- Maximization) and a Bayesian classifier. We implemented that process in a system called SQLLOMining that uses the SQL language and text mining methods in the search for LOs.

[pt] A quantidade de informação eletrônica vem crescendo de forma acelerada, motivada principalmente pela facilidade de publicação e divulgação que a Internet proporciona. Desta forma, é necessária a organização da informação de forma a facilitar a sua aquisição. Muitos trabalhos propuseram resolver este problema através da classificação automática de textos associando a eles vários rótulos (classificação multirótulo). No entanto, estes trabalhos transformam este problema em subproblemas de classificação binária, considerando que existe independência entre as categorias. Além disso, utilizam limiares (thresholds), que são muito específicos para o conjunto de treinamento utilizado, não possuindo grande capacidade de generalização na aprendizagem. Esta dissertação propõe dois algoritmos de classificação automática de textos baseados no algoritmo multinomial naive Bayes e sua utilização em um ambiente on-line de classificação automática de textos com realimentação de relevância pelo usuário. Para testar a eficiência dos algoritmos propostos, foram realizados experimentos na base de notícias Reuters 21758 e na base de documentos médicos Ohsumed. / [en] The amount of electronic information has been growing fast, mainly due to the easiness of publication and spreading that Internet provides. Therefore, is necessary the organisation of information to facilitate its retrieval. Many works have solved this problem through the automatic text classification, associating to them several labels (multilabel classification). However, those works have transformed this problem into binary classification subproblems, considering there is not dependence among categories. Moreover, they have used thresholds, which are very sepecific of the classifier document base, and so, does not have great generalization capacity in the learning process. This thesis proposes two text classifiers based on the multinomial algorithm naive Bayes and its usage in an on-line text classification environment with user relevance feedback. In order to test the proposed algorithms efficiency, experiments have been performed on the Reuters 21578 news base, and on the Ohsumed medical document base.

[pt] A integração do controle por computador de microscópios com a aquisição e análise digital de imagens levou à criação de uma nova área, denominada Microscopia Digital. Além de permitir um certo grau de automação, a Microscopia Digital abriu possibilidades realmente novas para a caracterização microestrutural. Uma destas novas e promissoras possibilidades é a Microscopia Co-localizada, que junta diversos tipos de informação, obtidas a partir de diferentes técnicas de microscopia. No presente trabalho foi desenvolvida e implementada uma metodologia de Microscopia Co-localizada que combina imagens de Microscopia Óptica de Luz Refletida (MO) e de Microscopia Eletrônica de Varredura (MEV). Esta metodologia envolve desde a aquisição das imagens nos microscópios até a análise das fases presentes através de técnicas de Reconhecimento de Padrões. Um procedimento automático de registro entre os dois tipos de imagens foi desenvolvido, permitindo o ajuste de magnificação, translação, rotação, tamanho de pixel e distorções locais. Desta forma, imagens de MO e de MEV de uma dada amostra podem ser combinadas precisamente. A metodologia foi testada com diversas amostras minerais, visando a discriminação de fases que são indistinguíveis por MO ou MEV. A Microscopia Co-localizada MOMEV foi empregada em uma rotina para a caracterização de amostras de minério de ferro e os resultados obtidos foram comparados com os da análise tradicional ao MEV. / [en] Computer-controlled microscopes with digital image acquisition and analysis led to the creation of a new field, called Digital Microscopy. Digital Microscopy not only allows a certain degree of automation but also has brought new possibilities to microstructural characterization. One of these new and promising possibilities is Co- Site Microscopy, that links different kinds of information, obtained from different microscopy techniques. The present work presents the development and implementation of a Co-Site Microscopy methodology that combines images obtained by Reflected Light Microscopy (RLM) and Scanning Electron Microscopy (SEM). This methodology involves the whole sequence, from image acquisition at the microscopes to the analysis of the phases using Pattern Recognition techniques. An automatic registration procedure for the two kinds of images was developed, allowing the adjustment of magnification, translation, rotation, and pixel size, and the correction of local distortions. The methodology was tested with several mineral samples, aiming at the discrimination of phases that are not distinguishable with either RLM or SEM. The RLM-SEM Co-Site Microscopy technique was employed in the characterization of iron ore samples and the obtained results were compared to the traditional analysis by SEM.