Orientador : João Carlos Setubal / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-02T14:52:50Z (GMT). No. of bitstreams: 1 Conceicao_ArlindoFlavioda_M.pdf: 1967561 bytes, checksum: 27b15ad3216c72fe882e027f64fc719e (MD5) Previous issue date: 2000 / Resumo: Nesta dissertação estudamos o aspecto combinatório dos problemas de congestionamento. O principal problema estudado consiste em, dado um grafo G e um inteiro positivo k, encontrar k árvores espalhadas de G, não necessariamente disjuntas, de peso total mínimo. Neste problema o congestionamento é caracterizado por funções que penalizam o peso de uma aresta se ela é usada por mais de uma árvore. Roskind e Tarjan apresentaram um algoritmo para a versão deste problema onde as árvores devem ser disjuntas nas arestas. Nós apresentamos uma descrição detalhada do algoritmo de Roskind e Tarjan e então mostramos um algoritmo polinomial para o problema de congestionamento, o algoritmo consiste em uma redução ao problema disjunto. O nosso algoritmo é quadrático em k. Apresentamos ainda duas heurísticas de complexidade linear em k. Baseados na mesma técnica, desenvolvemos algoritmos polinomiais para problemas combinatórios de congestionamento relacionados aos problemas de encontrar um caminho mínimo e de encontrar um emparelhamento de custo mínimo / Abstract: This work studies the combinatorial aspects of congestion problems. The main problem studied is the following: Given a graph G and a positive integer k, we want to find k spanning trees on G, not necessarily disjoint, of minimum total weight, such that the weight of each edge is subject to a penalty function if it belongs to more than one tree. This penalty function models congestion situations. Roskind and Tarjan have developed an algorithm for the disjoint version of this problem. We present a detailed description of their algorithm and then show that a polynomial algorithm for the congestion problem can be obtained by reducing it to the disjoint problem. The complexity of our algorithm is quadratic in k. We also present two heuristics with complexity linear in k. Based on the same idea, we then present polynomial algorithms for combinatorial congestion problems related to shortest paths and minimum weight matchings / Mestrado / Mestre em Ciência da Computação

Orientadores: Roberto de Alencar Lotufo, Michel Couprie / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-03T20:58:19Z (GMT). No. of bitstreams: 1 Carvalho_MarcoAntonioGarciade_D.pdf: 2684164 bytes, checksum: 081708f37f7ec76c4b442c6d9701028d (MD5) Previous issue date: 2004 / Doutorado

Orientador: Thiago de Melo / Banca: Elíris Cristina Rizziolli / Banca: Luiz Roberto Hartmann Junior / Resumo: Neste trabalho estudamos a Teoria de Grafos e a aplicamos na solução de alguns problemas clássicos, como por exemplo O Problema das Pontes de Königsberg, O Problema do Caixeiro Viajante, Classificação dos Poliedros Regulares e Coloração de Mapas. As ferramentas básicas foram Topologia Geral e Álgebra / Abstract: In this work we study Graph Theory and we apply it in the solution of some classical problems, for example Königsberg Bridges Problem, Travelling Salesman Problem, Classification of Regular Polyhedra and Map Coloring. The prerequisites are General Topology and Algebra / Mestre

Orientador: Fabrício Aparecido Breve / Banca: Moacir Antonelli Ponti / Banca: Daniel Carlos Guimarães Pedronette / Resumo: As pesquisas realizadas para o Sequenciamento de Genomas, Proteômica, Sistemas Biológicos, Diagnósticos Médicos, entre outros, geram uma grande quantidade de dados, fazendo necessário o apoio de soluções computacionais para a análise e interpretação desses dados. A utilização de técnicas de Aprendizado de Máquina, para a extração de conhecimentos úteis dessas grandes quantidades de dados, tem sido amplamente discutida entre pesquisadores da Biologia e da Computação. O processo para se rotular todos os dados gerados pelas pesquisas biológicas, assim como em outras áreas, é difícil, caro e/ou demorado. Assim, buscar maneiras de se atingir uma grande acurácia com poucos dados rotulados torna-se uma tarefa importante e desafiadora. Nesse sentido, o Aprendizado SemiSupervisionado mostra-se como uma opção importante uma vez que utiliza dados rotulados e não rotulados para o treinamento, sendo uma categoria intermediária entre o Aprendizado Supervisionado e o Não Supervisionado. Diversas abordagens para algoritmos de Aprendizado Semi-Supervisionado são encontradas na literatura. Dentre elas, destacam-se os métodos baseados em grafos, que representam os dados de entrada como nós de um grafo cuja estrutura é utilizada para propagar informações de rótulos dos nós rotulados para os demais nós. Destaca-se ainda que a abordagem baseada em grafos possui uma grande fundamentação matemática e computacional. Nesse contexto, este trabalho apresenta uma análise comparativa de alguns algoritmos semi-supervisionados, baseados em grafos, quando aplicados a dados biológicos relacionados aos campos de estudos da Proteômica e Transcriptômica. Adicionalmente, o trabalho propõe um novo dataset com dados reais oriundos de pesquisas biológicas com o transcriptoma de formigas da espécie Mycocepurus goeldii. Alguns experimentos realizados com os algoritmos semi-supervisionados são apresentados, levando em consideração sua... / Abstract: Research conducted for the sequencing of genomes, Proteomics, Systems Biology, Medical Diagnostics, among others, generate a lot of data, making it necessary the support of computing solutions for the analysis and interpretation of such data. The possibility of using machine learning techniques to extract useful knowledge of these large amounts of data has been widely discussed among researchers of Biology and Computer Science. The process of labeling all data generated by biological research, as well as in other areas, is difficult, costly and / or time consuming. Thus, searching ways to achieve a high accuracy with few labeled data is an important and challenging task. Accordingly, the Semi-Supervised Learning shows up as an important option since it uses both labeled and unlabeled data for training, being an intermediate category between the Supervised and Unsupervised Learning. Several approaches to semi-supervised learning algorithms are found in the literature. Among them, the highlights are the graph-based methods, which represent the input data as nodes in a graph, which structure is used to propagate label information from labeled nodes to the other nodes. It is also noteworthy that the graph-based approach has a great mathematical and computational validity. In this context, this paper presents a comparative analysis of some semi-supervised algorithms based on graphs, when applied to biological data analysis related to the field of proteomics and transcriptomics studies. In addition, the paper proposes a new dataset with actual data from biological research with the transcriptome of the Mycocepurus goeldii species of ants. Some experiments performed with semi-supervised algorithms are presented, considering its efficacy when compared with a few supervised methods / Mestre

Orientadores: Marcelo Firer, Luiz Antonio Barrera San Martin / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-05T23:33:46Z (GMT). No. of bitstreams: 1 Talpo_HumbertoLuiz_D.pdf: 1408389 bytes, checksum: b11f884cbf1e05f81138a8e91a5980dc (MD5) Previous issue date: 2006 / Resumo: Seja G uma árvore homogênea e Aut(G) seu grupo de automorfismos. Um automorfismo f Î Aut(G) é par se d(f(x),x) º0 mod 2 para todo vértice x Î G, onde d(.,.) é a função distância definida pelo comprimento do menor caminho ligando os vértices. O conjunto Aut+(G) de todos os automorfismos pares é um subgrupo de índice 2 em Aut(G). Definimos uma geodésica g Ì G como um subgrafo isomorfo a Z (onde Z é visto como um grafo que possui arestas unindo inteiros consecutivos). Uma reflexão em uma geodésica g é um automorfismo involutivo f (f² =1) tal que f(x) = x se, e somente se, x Î G. Denotamos por R o conjunto de todas as reflexões em geodésicas. Neste trabalho (Capítulo 2) provamos que, dada uma árvore homogênea de grau par G, o número de cobertura de Aut+(G) pelas reflexões em geodésicas é 11, no seguinte sentido: dado f Î Aut+(G) existem f1, f2,... fk com k £ 11, tais que f(x) = fk °fk-1°...°f1(x) para todo vértice x em G. Além disso, considerando árvores homogêneas, sabemos que o grupo de automorfismos é completo e o subgrupo de automorfismos pares é simples. Flexibilizamos a condição de homogeneidade e conseguimos demonstrar (Capítulo 3) para o caso de árvores semi-homogêneas, que o grupo de automorfismos é simples e completo / Abstract: Let G be a homogeneous tree and Aut(G) its group of automorphism. An automorphism Î Aut(G) is said to be even if d(f(x),x) º0 mod 2 for every vertex x Î G of , where d(.,.) is the canonical distance function defined by the minimum length of paths connecting the vertices. The set Aut+(G) of all even automorphism is a subgroup of index 2 in Aut(G). We define a geodesic g Ì G as a subtree isomorphic to the standard tree of the integers Z, that is, a homogeneous subtree of degree 2. A reflection in a geodesic g is an involutive automorphism f (f² =1) such that f(x) = x if x Î G. We denote by R the set of all reflections in geodesics. In this work (Chapter 2) we prove that, for every even degree tree G, the covering number of Aut+(G) by reflections in geodesics is 11, in the sense that give f Î Aut+(G) there are f1, f2,... fk with k £ 11, such that f(x) = fk °fk-1°...°f1(x) for every vertex x in G.Moreover, if we consider homogeneous trees we know that automorphisms group is complete and the even automorphisms subgroup is simple. We vary the homogeneous condition and we prove that (Chapter 3) for the semi-homogeneous trees, the automorphisms group is simple and complete / Doutorado / Doutor em Matemática

Orientadores: Roberto de Alencar Lotufo, Letícia Rittner / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-25T05:00:23Z (GMT). No. of bitstreams: 1 Souza_RobertoMedeirosde_M.pdf: 27462483 bytes, checksum: fd6e6b42169addd0201eeda81c058aea (MD5) Previous issue date: 2014 / Resumo: A Árvore de Componentes é uma estrutura de dados que representa uma imagem através da relação de hierarquia de seus componentes conexos. Ela é uma estrutura adequada para a implementação de filtros conexos e que foi utilizada com sucesso em muitas aplicações. A Árvore Máxima é uma estrutura compacta para a representação da Árvore de Componentes. A principal contribuiçãoo deste trabalho é a proposta do filtro de Simplificação Maximal da Árvore Máxima (MMS) com dois possíveis critérios para efetuar o seu cálculo: um critério de limiarização normalizada (MMS-T) e um critério de Regiões Extremais Maximamente Estáveis (MMS-MSER). Uma metodologia para aplicar o filtro MMS em associação com o filtro de Extinção, que é formalmente definido nesse trabalho, é apresentada. É mostrado que após a aplicação da metodologia de simplificação, a qual escolhe o número de máximos relevantes a serem mantidos na imagem, o número de nós da Árvore Máxima simplificada é no máximo duas vezes o número de máximos mantidos. Para definir o filtro MMS, novos conceitos, como nó composto e sub-ramo são apresentados. Esses conceitos são importantes para definir muitos algoritmos da Árvore Máxima, e eles possuem interpretações interessantes em termos de processamento de imagem. Possíveis aplicações da metodologia proposta, tais como localização de texto, simplificação/segmentação de imagens e reconhecimento de objetos são ilustrados para mostrar o potencial da metodologia. Também, estudos explortatórios de detecção de regiões salientes em imagens e análise da robustez da topologia da Árvore Máxima são apresentados / Abstract: The Component Tree is a data structure that represents an image through the hierarchical relationship of its connected components. It is an adequate structure to implement connected filters, and it has been successfully used in many applications. The Max-Tree is a compact structure for the Component Tree representation. The main contribution of this work is the proposal of the Maximal Max-Tree Simplification (MMS) filter with two possible criteria to compute the filter: a normalized threshold criterion (MMS-T) and a Maximally Stable Extremal Regions (MSER) criterion (MMS-MSER). A methodology to apply the MMS filter in association to the Extinction filter, which is formally defined in this work, is presented. It is shown that after applying our simplification methodology, which sets the number of relevant maxima in the image to be kept, the number of nodes in the simplified Max-Tree is at most twice this number. In order to define the MMS filter, new concepts, such as composite node and sub-branches are introduced. These concepts are important to define many Max-Tree algorithms, and they have interesting interpretations in terms of image processing. Possible applications of the methodology proposed, such as text location, object recognition, and image simplification/segmentation are illustrated to demonstrate the potential of this methodology. Also, exploratory studies, such as detection of distinguished regions in the image, and analysis of the robustness of the Max-tree topology are presented / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientador: João Paulo Papa / Banca: José Remo Ferreira Brega / Banca: Estevam Rafael Hruschka Júnior / Resumo: Em problemas convencionais de reconhecimento de padrões, dado um conjunto de classes, cada instância do problema e associada a uma e somente uma classe. No entanto, alguns problemas reais de classificaço apresentam instâncias que podem ser associadas a mais de uma classe simultaneamente, esses problemas são denotados como classificação com múltiplos rótulos. Entre problemas dessa natureza, podemos destacar categorização de filmes e músicas, classificação de documentos, análise funcional de genes etc. Contudo, os problemas de classificação com múltiplos rótulos não são diretamente tratáveis por técnicas convencionais, o que justifica o interesse da comunidade de reconhecimento de padrões nesses tipos de problemas. Embora muitos métodos tenham sido propostos na literatura, há ainda muito a ser explorado, principalmente no uso de novos algoritmos convencionais de aprendizado de máquinas adaptados ou não aos problemas com múltiplos rótulos. O classificador supervisionado Floresta de Caminhos Otimos (Optimum- Path Forest - OPF) e um algoritmo determinístico aplicado a problemas convencionais de classificação, no entanto, ainda não foi investigado em problemas com múltiplos rótulos. Nesse contexto, investigamos neste trabalho a aplicação de classificadores baseados em OPF em problemas de múltiplos rótulos. Analisamos duas versões do classificador OPF: (i) a tradicional baseada em grafo completo e (ii) a versão baseada no grafo k-vizinhos mais próximos (OPFkNN). Para manipulação das bases com múltiplos rótulos, utilizamos dois métodos de transformação de problemas, o Binary Relevance e Label Powerset. Propusemos também algumas modificações nas fases de treinamento e classificação do OPFkNN com o objetivo de melhor os resultados desse classificador combinado a métodos de transformação de problemas. Os experimentos realizados em sete bases de dados públicas mostraram que as modifica ções ... / Abstract: In conventional problems of pattern recognition, given a set of classes, each instance of the problem is associated with one and only one class. However, some real classification problems have instances that can be associated with more than one class at the same time, these problems are denoted as classification with multilabel. Among such problems, we highlight movies and music categorization, document classification, functional gene analysis etc. Nevertheless, the classification problems with multilabel are not directly treatable by conventional techniques, which explains the interest of pattern recognition community in these types of problems. Although many methods have been proposed in the literature, there is still much to be explored, especially in the use of novel conventional machine learning algorithms adapted or not to problems with multlabels. The Optimum-Path Forest (OPF) classifier is a supervised and deterministic algorithm applied to conventional classification problems, however, it has been not investigated in problems with multilabel. In this context, we investigated in this work the application of OPF-based classifiers on multilabel problems. We analyzed two versions of OPF-based classi ers: (i) the traditional one based on complete graph and (ii) the one based on k-nearest neighbors graph (OPFkNN). For manipulation of multilabel datasets, we used two transformation methods, the Binary Relevance and Label Powerset. We also proposed some changes in the training and classification phases of OPFkNN aiming to achieve better results when combined it with transformation methods. Experiments performed in seven public datasets showed that changes in OPFkNN improve outcomes. Comparison with the J48 classifier, ... / Mestre

Orientador: João Paulo Papa / Resumo: A modelagem do problema de classificação como um problema de busca em um grafo fornece uma estrutura elegante, rica em algoritmos eficientes e comprovadamente corretos. A abordagem Floresta de Caminhos Ótimos reduz o problema de classificação para o cálculo de uma floresta de cami- nhos ótimos relativa a uma função de conectividade, a qual atribui um valor a qualquer caminho no grafo. Considerando o valor máximo entre todos os caminhos possíveis com término em cada vértice, o caminho ideal é trivial para alguns vértices, chamados raízes, e para os vértices restantes, a minimi- zação da função de conectividade atribui a cada vértice um caminho de custo mínimo a partir de sua raiz mais fortemente conectada. Não obstante, para a classificação de novos conjuntos de dados, assume-se que cada amostra compõe um vértice pertecente ao grafo e calcula-se a afinidade deste vértice às árvores geradoras mínimas respectivas a cada classe. Este procedimento não utiliza a estrutura inerente da aplicação que pode ser fundamental para uma melhor precisão dos resultados. Dentro desse contexto, este trabalho avalia a contribuição de técnicas de modelagem contextual como os campos aleatórios Markovianos e as abordagens de empilhamento de classificado- res. A modelagem do campo aleatório sumariza o comportamento global do sistema através de suas interações locais. Os métodos baseados em empilha- mento de classificadores interpretam as interações entre as amostras como uma análise no espaço escala, capturando as interações de longa distância de forma eficiente através da definição das regiões de vizinhança em múltiplas escalas. Resultados obtidos para a classificação de estruturas anatômicas do cérebro em imagens de ressonância magnética e de coberturas do solo em imagens multi-espectrais de sensoriamento remoto monstram que a inclusão da informação contextual é de fato capaz de melhorar ... / Abstract: The interpretation of classification problem as a graph search provides a rich framework with correct and efficient algorithms. The Optimum-Path Fo- rest classifier can reduce classification to the the computation of an optimum- path forest according to a connectivity function, which assigns a value to any path in the graph. Considering the maximum value among all possible paths with terminus at each node, the optimum path is trivial for some nodes, cal- led roots, and the remaining nodes will have an optimum path coming from their most strongly connected root, partitioning the graph into an optimum- path forest (disjoint sets of optimum-path trees). Notwithstanding, to clas- sify out-of-sample, we assume that each sample in the new dataset composes one node in the graph and we compute their most strongly connected root within all spanning trees. As one can see, this procedure do not take advan- tage of the problem structure information, which can be fundamental for a better precision of the results. In this context, the purpose of this work is to evaluate the contribution of contextual modelling techniques, such as Mar- kov random fields and stacked classifiers. The first approach, called Markov random fields, sumarizes the system overall behavior through its local inte- ractions. The second approach, based on combination of classifiers, model the interaction between samples in the space scale, which provides effici- ent implementations of long interaction by defining neighborly relations in multiple scales. The results for brain tissue segmentation of magnetic reso- nance images and land-cover classification of multi-spectral satellite images show that the contextual information can improve the effectiveness of the Optimum-Path Forest classifier / Mestre

Orientador : Edson Moschim / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-31T15:17:34Z (GMT). No. of bitstreams: 1 Padua_FabianoJoaoL_M.pdf: 506585 bytes, checksum: 8bd26b8dae1ab8c932d8a24712288887 (MD5) Previous issue date: 2001 / Mestrado

Orientador: Roberto de Alencar Lotufo / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-14T21:44:46Z (GMT). No. of bitstreams: 1 Silva_AlexandreGoncalves_D.pdf: 8468020 bytes, checksum: 8e00e5b8cd107e6379773db874c73089 (MD5) Previous issue date: 2009 / Resumo: Uma imagem em níveis de cinza pode ser interpretada como uma superfície topográfica e representada por uma árvore de componentes, baseada na relação de inclusão de regiões conexas, obtida a partir da decomposição por limiares. Medidas sobre platôs, vales ou montanhas deste relevo são úteis na caracterização de objetos de interesse em sistemas de visão computacional. Este trabalho apresenta métodos de filtragem, segmentação e reconhecimento de padrões derivados da exploração de aspectos semânticos oferecidos por essa estrutura hierárquica, construída de maneira concisa e em tempo quase-linear, mesmo com a introdução de uma série de novos atributos geométricos, topológicos e estatísticos. Havendo menos elementos a processar em relação à quantidade de pixels e, sendo possível a alteração da organização dos mesmos por meio de podas e enxertos, essa representação possibilita a implementação de algoritmos rápidos para operadores conexos antiextensivos. Um importante resultado da árvore estendida de atributos é a formulação genérica e determinação eficiente de novos valores de extinção, utilizados como modelo simplificado de seleção de extremos ou marcadores relevantes para reconstrução morfológica ou segmentação por regiões de influência. Propõe-se também um algoritmo unificado para pesquisa de formas conforme a análise adotada para verificação aproximada da disposição espacial de pixels de cada componente na árvore. / Abstract: A gray-level image can be interpreted as a topographical surface and represented by a component tree, based on the inclusion relation of connected regions, obtained by threshold decomposition. Measures on plateaus, valleys or mountains of this relief are useful in the characterization of objects of interest in computer vision systems. This work presents filtering, segmentation and pattern recognition methods from the exploration of semantic aspects provide by this hierarchical structure, whose can be constructed in a concise way and in quasi-linear time, even with the addition of a set of new geometric, topological and statistical attributes. How there is less elements to process in relation to the amount of pixels, and being able to change the organization of these through pruning and grafting, this representation allows the implementation of fast algorithms for connected anti-extensive operators. An important result of the extended attribute tree is the generic formulation and efficient determination of new extinction values, used as simplified model of selecting relevant extremes or markers for morphological reconstruction or segmentation by influence regions. A unified algorithm to search shapes is also proposed according the analysis adopted for approximate verification of the spatial layout of pixels of each component in the tree. / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica