Orientador: Alice Kimie Miwa Libardi / Banca: Thiago de Melo / Banca: Washington Mio / Resumo: O objetivo desta dissertação é apresentar uma versão detalhada do artigo: "A Tutorial on Spectral Clustering" de U. von Luxburg sobre agrupamentos através de grafos Laplacianos, suas propriedades e mostrar alguns resultados da teoria de agrupamentos. Além disso, serão apresentados três algoritmos de agrupamentos e ilustraremos um deles com uma aplicação no cultivo da soja em diferentes condições de cultivo / Abstract: The main goal of this dissertation is to present a detailed version of the paper: " A Tutorial on Spectral Clustering" of U. von Luxburg on clusters, through Laplacian graphs, their properties and to show some results of the cluster theory. In addition, it will be presented three clustering algorithms and we will illustrate one of them with an application in the soybean cultivation, under different conditions / Mestre

Submitted by Marco Antonio de Freitas Contessoto (marco_contessoto@hotmail.com) on 2018-06-19T06:27:03Z No. of bitstreams: 1 Marcoeditado.pdf: 1251669 bytes, checksum: 5fe5c25a4002aeefa7831bd4137fb1f8 (MD5) / Approved for entry into archive by Elza Mitiko Sato null (elzasato@ibilce.unesp.br) on 2018-06-19T14:26:54Z (GMT) No. of bitstreams: 1 contessoto_maf_me_sjrp.pdf: 1242012 bytes, checksum: e5b5acc9695b0f3103a68a1f1f32edac (MD5) / Made available in DSpace on 2018-06-19T14:26:54Z (GMT). No. of bitstreams: 1 contessoto_maf_me_sjrp.pdf: 1242012 bytes, checksum: e5b5acc9695b0f3103a68a1f1f32edac (MD5) Previous issue date: 2018-03-09 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / O objetivo dessa dissertação é apresentar parte do artigo [2] de Gunnar Carlsson, onde se discute a adaptação de métodos da teoria usual de homologia para problemas de reconhecimento topológico de padrões em conjuntos de dados. Esta adaptação conduz aos conceitos de homologia de persistência e de barcodes. Atualmente, várias aplicações são obtidas com o uso deste método. Apresentaremos alguns casos onde a homologia de persistência é usada, ilustrando diferentes modos em que podem ser aplicados. Descreveremos, também baseado no artigo de Carlsson, um novo método para estudar a persistência de características topológicas através de uma família de conjuntos de dados, chamado persistência zig-zag . Este método generaliza a teoria de homologia de persistência e chama atenção de situações que não são cobertas pela outra teoria. Além disso, são apresentadas algumas aplicações dessa ferramenta para a obtenção de informações de alguns conjuntos de dados / The main goal of this work is to present a part of the Gunnar Carlsson paper [2], where the adaptation of the theory of usual homology to topological pattern recognition problems in point cloud data sets is discussed. This adaptation leads to the concepts of persistence homology and barcodes. Several applications have been obtained using this method. We will present some cases where persistence homology is used, illustrating different ways in which the method can be applied. We will describe,alsobasedintheCarlsson’spaper,anewmethodtostudythepersistence oftopologicalfeaturesthroughpointclouddatasets,calledzig-zagpersistence. This method generalizes the homology persistent theory and we will pay attention to situations that are not covered by the other theory. In addition, some applications of this tool are presented to obtain information from some data sets. / 2016/25659-3

Submitted by Larissa Moura null (moura.larie@gmail.com) on 2018-02-26T11:39:11Z No. of bitstreams: 1 moura_larissa_sjrp.pdf: 1591130 bytes, checksum: 7997e476e0c0da8c86b51d6ce91c8898 (MD5) / Approved for entry into archive by Elza Mitiko Sato null (elzasato@ibilce.unesp.br) on 2018-02-26T19:05:03Z (GMT) No. of bitstreams: 1 moura_l_me_sjrp.pdf: 1591130 bytes, checksum: 7997e476e0c0da8c86b51d6ce91c8898 (MD5) / Made available in DSpace on 2018-02-26T19:05:04Z (GMT). No. of bitstreams: 1 moura_l_me_sjrp.pdf: 1591130 bytes, checksum: 7997e476e0c0da8c86b51d6ce91c8898 (MD5) Previous issue date: 2018-02-16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O objetivo desta dissertação é apresentar uma versão detalhada do artigo: “A Tutorial on Spectral Clustering” de U. von Luxburg sobre agrupamentos através de grafos Laplacianos, suas propriedades e mostrar alguns resultados da teoria de agrupamentos. Além disso, serão apresentados três algoritmos de agrupamentos e ilustraremos um deles com uma aplicação no cultivo da soja em diferentes condições de cultivo. / The main goal of this dissertation is to present a detailed version of the paper: “ A Tutorial on Spectral Clustering” of U. von Luxburg on clusters, through Laplacian graphs, their properties and to show some results of the cluster theory. In addition, it will be presented three clustering algorithms and we will illustrate one of them with an application in the soybean cultivation, under different conditions.

Orientador: Thiago de Melo / Resumo: Neste trabalho estudamos certos funtores sobre grafos, chamados de representáveis ou motívicos. Esses funtores não mudam os vértices de um grafo, mas apenas suas setas (as arestas direcionadas). Quaisquer tais funtores podem ser estendidos para networks (uma generalização de espaços métricos). Funtores de clustering sobre grafos dão origem a funtores de hierarchical clustering sobre networks. Mais ainda, podemos modificar a definição de funtor representável para criar filtrações de complexos simpliciais, que tem como caso particular os complexos de Vietoris-Rips e Cech. Isso faz com que possamos aplicar o funtor de homologia ˇ simplicial e obter um diagrama de persistência, como usual em Análise Topológica de Dados. Obtivemos resultados de estabilidade com respeito à distância bottleneck e à distância network, quando uma certa condição é imposta nos motivos de um funtor representável. Algumas operações sobre grafos (e.g., produtos e suspensão) também podem ser estendidas para networks, e três fórmulas de Künneth foram obtidas. Finalmente, alguns algoritmos e códigos para casos especiais são fornecidos com exemplos. / Doutor

Mudanças de padrão são variações nos dados da série temporal. Tais mudanças podem representar transições que ocorrem entre estados. A análise de dados topológicos (TDA) permite uma caracterização de dados de séries temporais obtidos a partir de sistemas dinâmicos complexos. Neste trabalho, apresentamos uma técnica de detecção de mudança de padrão baseada em TDA. Especificamente, a partir de uma determinada série temporal, dividimos o sinal em janelas deslizantes sem sobreposição e para cada janela calculamos a homologia persistente, ou seja, o barcode associado. A partir desse barcode, o intervalo médio e a entropia persistente são calculados e plotados em relação à duração do sinal. Resultados experimentais em conjuntos de dados reais e artificiais mostram bons resultados do método proposto: 1) Detecta mudança de padrões identificando a mudança no intervalo médio e calculando a entropia persistente para os barcodes gerados pelo conjunto de dados de entrada. 2) Mostra qualitativamente quão sensível é a escolha do método de filtragem para evidenciar características topológicas do espaço original sob exame. Isto é conseguido usando duas filtragens: uma filtragem métrica e uma do tipo lower-star. 3) Variando o tamanho da janela, o método pode caracterizar a presença de estruturas locais do conjunto de dados, como o período de convulsão nos sinais EEG. 4) O método proposto é capaz de caracterizar a complexidade pela medida de entropia persistente dos barcodes, uma medida de entropia baseada na definição de entropia de Shannon. Além disso, neste trabalho, mostramos a evidência de mudanças de complexidade associadas a um período de convulsão de um sinal de EEG / Pattern changings are variations in time series data. Such changes may represent transitions that occur between states. Topological data analysis (TDA) allows characterization of time-series data obtained from complex dynamical systems. In this work, we present a pattern changing detection technique based on TDA. Specifically, starting from a given time series, we divide the signal in slicing windows with no overlapping and for each window we calculate the persistent homology, i.e., the associated barcode. From the barcode the average interval size and persistent entropy are calculated and plotted against the signal duration. Experimental results on artificial and real data sets show good results of the proposed method: 1) It detects pattern changing by identifying the change in the average interval size and calculated persistent entropy for the barcodes generated by the input data set. 2) It shows qualitatively how sensible the choice of filtration method is to evidence topological features of the original space under examination. This is accomplished by using two filtrations: a metric and a lower-star filtration. 3) By varying the slice window size, the method can characterize the presence of local structures of the data set such as the seizure period in EEG signals. 4) The proposed method can characterize complexity by the measure persistent entropy for barcodes, an entropy measure based on Shannon´s entropy definition. Moreover, in this work, we show the evidence of complexity changes associated with a seizure period of an EEG signal