Uma arquitetura distribuída é composta de diversos sistemas que trocam mensagens entre si. Falhas na integração destes sistemas podem ocorrer, exigindo uma investigação detalhada dos profissionais de suporte para encontrar a causa raiz do problema. O processo manual de identificação de falhas é difícil e demorado. Ganhos significativos podem ser obtidos através da automação do processo de classificação de falhas. Este trabalho tem por objetivo apresentar um método para auxílio no processo de diagnóstico de falhas, classificando automaticamente as falhas geradas em uma arquitetura orientada a serviços. Este método, denominado SOAFaultControl, se beneficia de arquiteturas distribuídas que adotam SOA e um Enterprise Service Bus (ESB). Utilizando-se de técnicas de aprendizado de máquina, foi possível estabelecer um modelo para classificação de falhas em categorias preestabelecidas. Para alcançar o objetivo deste trabalho foi necessário testar e avaliar os seguintes algoritmos de aprendizagem de máquina: Support Vector Machine, Naive Bayes e AdaBoost. Como resultado, o algoritmo Support Vector Machine obteve melhor desempenho nas métricas: acurácia, precisão, revocação e F1. / A distributed architecture is composed of many systems that exchange messages between each other. Faults in the integration of these systems may occur and they required a detailed investigation of support professionals to identifying the root cause of the problem. The manual process to identify causes of failure is difficult and time-consuming. Significant efficiency gains can be achieved by automating the faults classification process. This work presents a method to support the automated fault diagnostic process, automatically classifying faults generated in a Service Oriented Architecture (SOA). This method denominated SOAFaultControl, may be executed in a distributed architecture that adote SOA and an Enterprise Service Bus (ESB). Using machine learning techniques, was possible build a model to classify fault messages captured in a SOA environment, in pre-established classes. To achieve the objectives of this work it was necessary to test the following machine learning algorithms: Support Vector Machine, Naive Bayes, and AdaBoost. Results show that Support Vector Machine algorithm achieved better performance in the following metrics: precision, accuracy, recall, and F1.

Investiga-se a eficiência energética e o throughput seguros em sistemas de comunicações sem fio cooperativos, em que um par de usuários legítimos (Alice e Bob) são auxiliados por um nó relay e em que a comunicação ocorre na presença de um espião passivo (Eve). Diversos protocolos cooperativos são comparados em relação a estas medidas e se utiliza um algoritmo iterativo e distribuído, baseado no algoritmo Dinkelbach, para alocação de potência entre Alice e o relay. A alocação de potência é utilizada visando maximizar a eficiência energética segura, medida em bits seguros/J/Hz, ou o throughput seguro, medido em bits seguros/s/Hz. Em relação aos protocolos, consideramos o caso onde Alice tem conhecimento perfeito do estado instantâneo do canal apenas em relação aos usuários legítimos. Desta forma, empregamos o protocolo Decode-and-Forward Seletivo (SDF), que realiza a escolha entre o melhor tipo de comunicação entre Alice e Bob (comunicação direta ou cooperativa) de forma a aumentar a segurança do sistema. Para comparação, consideramos outros esquemas clássicos de cooperação como o Amplify-and-Forward (AF), Decode-and-Forward Fixo (DF) e o Cooperative Jamming (CJ). Nossos resultados demostram que o SDF supera o AF, o DF e o CJ em grande parte das situações. Contudo, quando a taxa de transmissão aumenta ou quando Eve está muito próxima aos nós legítimos, o CJ apresenta um melhor desempenho. / We investigate the secure energy efficiency and throughput in cooperative wireless communications systems, in which a pair of legitimate users (Alice and Bob) are assisted by a relay node and the communication occurs in the presence of a passive eavesdropper (Eve). Several cooperative protocols are compared with respect to these measures and we use of an iterative and distributed algorithm, based on Dinkelbach algorithm, to allocate power between Alice and the relay. The power allocation is performed in order to increase the secure energy efficiency, measured in secure bits/J/Hz, or secure throughput, measured in secure bits/s/Hz. About the protocols, we consider the case where Alice has perfect knowledge only about the instantaneous channel state of the legitimate channel. So, we employ a Selective Decode-and-Forward (SDF) protocol, which chooses the best type of communication between Alice and Bob (direct or cooperative communication) in order to improve security. For comparison, we consider other classical cooperative schemes such as the Amplify-and-Forward (AF), the Fixed Decode-and-Forward (DF) and the Cooperative Jamming (CJ). Our results show that SDF outperforms AF, DF and CJ in most situations. However, when the transmit rate increases or when Eve is close to the legitimate nodes, CJ has a better performance.

A explosão de novas formas de comunicação entre empresas e clientes proporciona novas oportunidades e meios para que empresas possam tirar proveito desta interação. A forma como os clientes interagem com as empresas tem evoluído nos últimos anos, devido ao aumento dos dispositivos móveis e o acesso à internet: clientes que tradicionalmente solicitavam atendimento via telefone migraram para meios de atendimento eletrônicos, sejam eles via app´s dos smartphones ou via portais de atendimento a clientes. Como resultado desta transformação tecnológica do meio de comunicação, a Mineração de Textos tornou-se uma atrativa forma das empresas extraírem conhecimento novo a partir do registro das interações realizadas pelos clientes. Dentro deste contexto, o ambiente de telecomunicações proporciona os insumos para a realização de experimentos devido ao grande volume de dados gerados diariamente em sistemas de atendimento a clientes. Esse trabalho tem por objetivo analisar se o uso de Mineração de Textos aumenta a acurácia dos modelos de Mineração de Dados em aplicações que envolvem textos livres. Para isso é desenvolvido uma aplicação que visa a identificação de clientes propensos a saírem de ambientes internos de atendimento (CRM) e migrarem para órgãos regulamentadores do setor de telecomunicações. Também são abordados os principais problemas encontrados em aplicações de Mineração de Textos. Por fim, são apresentados os resultados da aplicação de algoritmos de classificação sobre diferentes conjuntos de dados, para a avaliação da melhoria obtida com a inclusão da Mineração de Textos para este tipo de aplicação. Os resultados obtidos mostram um ganho consolidado na melhoria da acuraria na ordem de 32%, fazendo da Mineração de Textos uma ferramenta útil para este tipo de problema. / The explosion of new forms of communication between companies and new opportunities and means for companies to take advantage of this interaction. The way customers interact with companies has evolved in the recent years due to the increase in mobile devices and Internet access: clients who traditionally requested phone service migrated to electronic means of service, whether via smartphone app's or via customer service portals. As a result of this technological transformation of the communication medium, text mining has become an attractive form for companies to extract new knowledge from the register of interactions carried out by customers. Within this context, the telecommunications environment provides the inputs for conducting experiments due to the large volume of data generated daily in customer service systems. This job aims to analyze if the use of text mining increases the accuracy of data mining models in applications involving free texts. For this purpose, an application is developed that aims to identify clients likely to leave internal service environments (CRM) and migrate to regulatory agencies in the telecommunications sector [Baeza, Ricardo e Berthier ,1999]. Also addressed are the main problems encountered in text mining applications. Finally, the results of the application of classification algorithms on different data sets are presented for the evaluation of the improvement obtained with the inclusion of text mining for this type of application. The results obtained show a consolidated gain in the improvement of the acuraria in the order of 32%, making the mining of texts a useful tool for this type of problem.

CNPq / Este trabalho tem por objetivo apresentar uma nova proposta aos algoritmos de Demosaicing existentes, utilizando uma abordagem mais flexível quanto ao uso do Color filter array (CFA) em imagens coloridas de único sensor. O algoritmo proposto tem como base a estrutura de problemas inversos, cujo funcionamento utiliza um modelo de operação matriz-vetor que é adaptável ao CFA empregado. A partir deste conceito, o algoritmo trata o problema de Demosaicing como o de minimização de função custo, com um termo referente à dependência da estimativa com os dados obtidos e com o modelo de captura, o outro termo é relacionado aos conhecimentos observados em imagens que podem ser explorados para uma estimativa mais precisa, tal elemento é chamado de Prior. A proposta estabelecida tem como base algoritmos de regularização com foco na alta correlação presente entre os canais de cor (R, G e B), e na suavidade local de regiões uniformes, essa base formaliza o Prior empregado no trabalho. A minimização da proposta é atingida iterativamente através do IRLS-CG, que é a combinação de dois algoritmos de minimização eficientes, que apresenta rápidas respostas, e a capacidade de trabalhar com a norma L1 em conjunto com a norma L2. Com o intuito de atestar a qualidade do algoritmo proposto, foi elaborado um experimento em que o mesmo foi testado com diferentes CFAs e em situação com ruído gaussiano de 35dB e sem ruído algum em imagens da base de dados da Kodak, e os resultados comparados com algoritmos do estado-da-arte, no qual o desempenho da proposta apresentou resultados excelentes, inclusive em CFAs que destoam do padrão Bayer, que é o mais comumente usado na atualidade. / This research presents a new proposal to Demosaicing algorithms, using a more flexible approach to deal with the Color filter array (CFA) in single sensor color imaging. The proposed algorithm is structured in the inverse problems model, whose functions employ a CFA adaptive matrix-vector operational model. From this concept, the Demosaicing problem is treated as a cost function minimization with two terms, one referring to the dependence between the estimation and the data provided by the acquisition model, and other term related to features observed in images, which can be explored to form a more precise estimation, this last term is known as Prior. The established proposal is applied in regularization algorithms with focus on the high correlation among color channels (R, G, and B), and in the local smoothness of uniform regions. Both characteristics organize the Prior employed in this work. The minimization proposed is iteratively achieved through IRLS-CG, which is the combination of two efficient minimization algorithms, that presents quick responses, and the capacity to deal with L1 and L2 norm at the same time. The quality of the proposed algorithm is verified in an experiment in which varous CFA were used and a situation with 35dB gaussian noise and another one with no noise applied to the Kodak dataset, and the results were compared with state-of-the-art algorithms, in which the performance of the proposed Prior showed excellent results, including when the CFA is different from Bayer’s, which is the most commonly used pattern.

A queda de idosos é um problema de saúde mundial. Todos os anos, cerca de 30% dos idosos com 65 anos ou mais são vítimas de quedas. Além disso, as consequências de uma queda podem ser fisiológicas (e.g. fraturas ósseas, ferimentos musculares) e psicológicas, como a perda de autoconfiança, levando a novas quedas. Uma solução para este problema está relacionada com ações preventivas (e.g. adaptação de mobília) aliadas a sistemas de detecção de quedas, os quais podem notificar familiares e serviços médicos de urgência. Como o tempo de espera por socorro após uma queda está relacionado com a severidade das consequências dela, esses sistemas devem oferecer elevada acurácia e detecção em tempo real. Embora existam várias soluções para isso na literatura (a maioria relacionada com dispositivos vestíveis), poucas delas estão relacionadas a dispositivos de punho, principalmente por causa dos desafios existentes para essa configuração. Considerando o punho como um local mais confortável, discreto e aceitável para uso de um dispositivo (menos associado com o estigma do uso de uma solução médica), este trabalho propõe o desenvolvimento e avaliação de uma solução baseada nessa configuração. Para isso, diferentes sensores (acelerômetro, giroscópio e magnetômetro) foram combinados com diferentes algoritmos, baseados em métodos de limiar e aprendizado de máquina, visando definir os melhores sinais e abordagem para a detecção de quedas. Esses métodos consideraram informações de aceleração, velocidade, deslocamento e orientação espacial, permitindo o cálculo de componentes verticais do movimento. Para o treino e avaliação dos algoritmos, dois protocolos diferentes foram empregados: um primeiro envolvendo 2 voluntários (homens, 27 e 31 anos) simulando um total de 80 sinais de queda e 80 de não-queda, e um segundo envolvendo 22 voluntários (14/8 homens/mulheres, idade média: 25,2 ± 4,7) simulando um total de 396 sinais de queda e 396 de não-queda. Uma análise exaustiva de diferentes sinais e parâmetros de configuração foi executada para cada método. O melhor algoritmo baseado em limiar considerou sinais de aceleração vertical e velocidade total, alcançando 95,8% de sensibilidade e 86,5% de especificidade. Por outro lado, o melhor algoritmo de aprendizagem de máquina foi o baseado no método K-Nearest Neighbors, considerando informações de aceleração, velocidade e deslocamento verticais combinadas com os ângulos de orientação espacial: 100% de sensibilidade e 97,9% de especificidade. Os resultados obtidos permitem enfatizar a relevância de algoritmos de aprendizagem de máquina para sistemas de detecção de queda vestíveis localizados no punho quando comparados a algoritmos baseados em limiar. Esta conclusão oferece grande contribuição para a pesquisa de detectores de quedas similares, sugerindo a melhor abordagem para novos desenvolvimentos. / Falls in the elderly age are a world health problem. Every year, about 30% of people aged 65 or older become victims of fall events. The consequences of a fall may be physiological (e.g. bone fractures, muscular injuries) and psychological, including the loss of self-confidence by fear of falling, which leads to new falls. A solution to this problem is related to preventive actions (e.g. adapting furniture) allied to fall detection systems, which can alert family members and emergency medical services. Since the response time for help is related to the fall's consequences and severity, such systems must offer high accuracy and real-time fall detection. Although there are many fall detection solutions in literature (most part of them related to wearable devices), few of them are related to wrist-worn devices, mainly because of the existing challenges for this configuration. Considering the wrist as a comfortable, discrete and acceptable place for an elderly wearable device (less associated to the stigma of using a medical device), this work proposes the development and evaluation of a fall detection solution based on this configuration. For this, different sensors (accelerometer, gyroscope and magnetometer) were combined to different algorithms, based on threshold and machine learning methods, in order to define the best signals and approach for an elderly fall detection. These methods considered acceleration, velocity and displacement information, relating them with wrist spatial orientation, allowing the calculation of the vertical components of each movement. For the algorithms' training and evaluation, two different protocols were employed: one involving 2 volunteers (both males, ages of 27 and 31) performing a total of 80 fall and 80 non-fall events simulation, and the other involving 22 volunteers (14/8 males/females, ages mean: 25.2 ± 4.7) performing a total of 396 fall and 396 non-fall events simulation. An exhaustive evaluation of different signals and configuration parameters was performed for each method. The best threshold-based algorithm employed the vertical acceleration and total velocity signals, achieving 95.8% and 86.5% of sensitivity and specificity, respectively. On the other hand, the best machine learning algorithm was based on the K-Nearest Neighbors method employing the vertical acceleration, velocity and displacement information combined with spatial orientation angles: 100% of sensitivity and 97.9% of specificity. The obtained results allow to emphasize the relevance of machine learning algorithms for wrist-worn fall detection systems instead of traditional threshold-based algorithms. These results offer great contributions for the research of similar wearable fall detectors, suggesting the best approach for new developments.