Os últimos anos foram marcados por um avanço expressivo da tecnologia, principalmente na área de computação. Estes avanços, quando somados à diversidade de produtos oferecidos por empresas de diferentes segmentos, e aos esforços destas em capturar e armazenar dados de seus clientes e de suas operações, ajudam a explicar a quantidade de informações que atualmente é produzida. As organizações, em geral, têm se mostrado eficientes em capturar, organizar e armazenar grandes quantidades de dados, mas nem todas os utilizam adequadamente, no sentido de transformá-los em conhecimentos úteis para suas atividades. Algoritmos de aprendizado de máquina são uma ferramenta computacional poderosa para aquisição de conhecimento a partir da experiência. A utilização desses algoritmos permite avanços e descobertas que conferem vantagem competitiva às empresas. A tarefa de aprendizado de máquina mais comum é o aprendizado supervisionado, cujo objetivo é aprender um modelo preditivo a partir de um conjunto de dados. Esse modelo deve ser capaz de generalizar o conhecimento adquirido para dados desconhecidos. Isso permite que o modelo tenha uma boa capacidade preditiva. Uma aplicação importante e bastante utilizada do aprendizado supervisionado são os problemas de classificação, comumente encontrados na indústria financeira. Um dos desafios dessa indústria é prever a capacidade de pagamento de seus clientes, classificando-os como bons ou maus pagadores. Neste trabalho, cinco algoritmos de aprendizado de máquina supervisionado foram investigados e aplicados à um problema real de classificação: regressão logística, classificadores bayesianos, k-vizinhos mais próximos, random forests e redes neurais. Como o desempenho desses algoritmos é afetado pelas variáveis utilizadas, técnicas de seleção de variáveis foram aplicadas ao conjunto de dados original. O uso dessas técnicas permite reduzir o tempo computacional, removendo informações redundantes e irrelevantes. Medidas de desempenho para classificação binária foram utilizadas para avaliar o desempenho preditivo dos modelos gerados pelos cinco algoritmos e compará-los. Como é cada vez mais importante ter modelos facilmente interpretáveis, foram também avaliadas a interpretabilidade e a complexidade dos modelos gerados. / The last few years were remarkable by relevant advances in technology, mainly related to computers. These advances, when added to the diversity of products offered by companies from different segments and their efforts in capturing and storing data from their customers and operations, helps to explain the amount of information that is currently being produced. Overall, the organizations have been efficient in capturing, organizing, and storing large amounts of data, but not all of them uses it adequately to make them useful knowledge for their activities. Learning algorithms are a powerful machine toll to acquire knowledge based on experience. The use of these algorithms allows advances and discoveries that brings a competitive advantage to the companies. The most common machine learning task is supervised learning, whose objective is to learn a predictive model from a set of data. This model should be able to generalize the acquired knowledge to a set of unknown data. This allows the model to have a good predictive capability. An important and widely used application of supervised learning are the classification problems, commonly seen in the financial industry. One of the challenges of this industry is to predict the payment capacity of its customers, rating them as good or bad payers. In this study, five supervised machine learning algorithms, logistic regression, Bayesian classifiers, k-neighbors, random forests and neural networks were investigated and applied to a real classification problem. Since the performance of these algorithms are affected by the variables used, variable selection techniques were applied to the original data set. The use of these techniques allows a computational reduction time by removing redundant and irrelevant information. Performance measures for binary classification were used to evaluate the predictive performance of the models generated by the five algorithms and to compare them. Since it is increasing the importance to have easily interpretable models, the interpretability and complexity of the models generated were also evaluated.

Made available in DSpace on 2015-03-05T18:57:19Z (GMT). No. of bitstreams: 0 Previous issue date: 16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Considerando os valores exportados para cada estado da região sul do Brasil, com dados trimestrais, entre 1996 e 2007, de acordo com a classificação em grau tecnológico proposto pela OCDE, esse trabalho procura verificar duas proposições gerais: (1) apresentar as características da pauta de produtos exportados para cada estado de acordo com a classificação tecnológica; (2) estimar os modelos de curto e longo prazo para as funções de oferta e demanda por exportações, em cada ente federativo, e suas respectivas elasticidades. Para tanto, foi utilizada a função log-linear em todas as séries temporais e o Mecanismo de Correção de Erros (MCE) nas relações de curto prazo. No Rio Grande do Sul houve um crescimento expressivo de bens de média-alta tecnologia que praticamente dobraram suas remessas ao estrangeiro. Em Santa Catarina, os produtos de baixo grau tecnológico destacam-se com aproximadamente 60% da pauta exportada. No Paraná, um crescimento expressivo de bens de alta tecnologia embarcadas ao exterior, com de / Considering the values exported by each state belonging to the south of Brazil, through quarterly data from 1996-2007, according to the classification of technological degree proposed by OECD, this paper aims to: (i) present the characteristics of the roll of exported products for each state of the south of Brazil according to the technological classification; (ii) estimate short and long-term models for the functions of supply and demand for exports in each state and its elasticities. In order to do so, the log-linear function was employed in all term series and the Errors of Correction Mechanism (ECM) on the short-term relations. In Rio Grande do Sul, there was an expressive growth of average-high technology goods, which practically doubled its exports. In Santa Catarina, the products of low technological degree stood out with approximately 60% from the exporting roll. In Paraná, the communication equipment stood out in its expressive growth of high-technology goods exports. On the short-term equations, the

Dissertação (mestrado)—Universidade de Brasília, Faculdade UnB Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2018. / A esquizofrenia é uma transtorno psíquico grave que afeta cerca de 1% da população mundial, e seu diagnóstico é realizado por um médico especializado baseando-se no Manual do Diagnóstico e Estatístico de Transtornos Mentais DSM-5. Contudo, este tipo de diagnóstico geralmente acontece de forma tardia e diminuindo as chances de tratamento. Diante da complexidade do diagnóstico clássico da esquizofrenia apresentado pelo manual e da descoberta de mudanças anatômicas em áreas do cérebro existentes em pacientes com a doença, estudos recentes que utilizaram as características anatômicas para classificação obtiveram resultados promissores. Apesar de mostrarem-se promissores, apenas algumas regiões do cérebro foram utilizadas para classificação, porém, a esquizofrenia apresenta alterações anatômicas em diversas áreas, não havendo um padrão de escolha definitivo para o problema. Por outro lado, houve avanços em técnicas de aprendizado de máquina como o Aprendizado Profundo (do inglês, deep learning). Nestas técnicas não há a necessidade da escolha de características para a classificação do estudo, em outras palavras, sendo uma técnica em que as estruturas aprendem as melhores características que descrevem o problema de forma automática, diferentemente de técnicas clássicas de classificação como a SVM (do inglês, Support Vector Machine), em que existe a necessidade da escolha destas características como forma de entrada. Neste contexto, a pesquisa propõe a aplicação de uma técnica de deep learning chamada Rede Neural Convolucional (CNN, do inglês Convolutional Neural Network ) para classificação automática de imagens de ressonância magnética estrutural do cérebro e diagnóstico da esquizofrenia, além de realizar a extração das características aprendidas no treinamento para utilização em outros classificadores clássicos para comparação. O método proposto consiste no desenvolvimento de uma estrutura convolucional baseada em CNN, produzindo métricas de desempenho como precisão, acurácia e sensibilidade relativos ao diagnóstico. Foi utilizado um banco de dados de MRI do encéfalo humano ponderadas em T2 de 87 indivíduos diagnosticados previamente com esquizofrenia e 85 indivíduos saudáveis de controle. O estudo ainda apresenta uma comparação de desempenho relativos ao tamanho da rede convolucional e o tamanho dos filtros utilizados, de modo a apresentar a rede que melhor se adéque ao problema. É realizada ainda uma validação cruzada dos dados, utilizando um método de holdout com reamostragem aleatória com 530 iterações para cada predição e um método de k-fold com k=20, afim de medir e comparar os algoritmos de aprendizado para produzir um resultado mais confiável e reprodutível, estimando o desempenho e normalizando a generalização do sistema. Em cada validação 70% das imagens foram utilizadas para treinamento e 30% para classificação e validação do sistema. Além disso, uma camada de dropout foi introduzida para prevenir a ocorrência de overfitting. Resultados utilizando k-fold apresentam uma acurácia média de 84% para uma rede convolucional de tamanho 3, com camadas de dropout antes e depois da camada de conexão. Portanto, o uso de técnicas de deep learning para auxílio ao diagnóstico de esquizofrenia mostra-se promissor, onde houve um avanço nos resultados previamente obtidos utilizando o mesmo banco de dados. Desta forma evidenciando que com o avanço de técnicas de classificação de imagens, mais próximo será a utilização destes modelos de forma segura para o auxílio ao diagnóstico de doenças. Ainda, a região que maior apresentou interferência e peso para classificação mostrou compatibilidade com a literatura existente. / Schizophrenia is a severe psychiatric disorder that affects about 1% of the world’s population and is diagnosed by a physician based on the Diagnostic and Statistical Manual of Mental Disorders DSM-5. However, this type of diagnosis usually happens belatedly, lowering treatment success. Given the complexity of the classic diagnosis of schizophrenia presented by the manual and the discovery of anatomical changes in areas of the brain existing in patients with the disease, recent studies that used anatomical characteristics for classification have obtained promising results. Although studies are promising, only a few regions of the brain have been used for classification, but schizophrenia has anatomical changes in several areas, and there is no definitive pattern of choice for the problem. On the other hand, there have been advances in machine learning techniques such as deep learning. In these techniques, there is no need to choose characteristics for the classification of the study; in other words, it is a technique which structures learn the best characteristics that describes the problem automatically, unlike the classical techniques of classification such as SVM (Support VectorMachine) which there is a need to choose these features as input. In this context, the research proposes the development of a deep learning technique called the Convolutional Neural Network (CNN) for automatic classification of brain magnetic resonance imaging and diagnosis of schizophrenia, also extracting the learne characteristics in training for use in other classical classifiers for comparison. The proposed method consists in developing a trellis structure based on CNN, producing performance metrics such as precision, accuracy and sensitivity for the diagnosis. An MRI database of the human brain T2-weighted of 87 individuals previously diagnosed with schizophrenia and 85 healthy control subjects was used. The study also shows a performance comparison for the size of convolutional network and filter size used to display the network that best describes the problem. A cross-validation of the data is performed, using a holdout method with random subsampling of 530 iterations for each prediction and a k-fold using k=20, in order to measure and compare the learning algorithms to produce a more reliable and reproducible result, estimating the performance and normalizing the generalization of the system. In each validation, 70% of the images were used for training and 30% for system classification and validation. In addition, a dropout layer was introduced to prevent the occurrence of overfitting. Preliminary results have an average accuracy of 84% for a convolutional network of size 3, with dropout layers before and after the connection layer. Therefore, the use of deep learning techniques to aid in the diagnosis of schizophrenia is promising, where there was an improvement in the results previously obtained using the same database, indicating that with the advancement of image classification techniques, the closer will be the use of these models in a safe way for diagnosis of diseases. Also, the region that presented the greatest interference and weight for classification was compatible with the existing literature.

Made available in DSpace on 2017-07-21T18:15:22Z (GMT). No. of bitstreams: 1 Dinameres Aparecida Antunes.pdf: 6452935 bytes, checksum: 42b0127ee41d759b5a9558135f9e818a (MD5) Previous issue date: 2015-03-04 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Our major goal is through GEOBIA (Geographic Object Based Image Analysis) obtain the characterization of use and land occupation in two different zones nearby Pitangui’s river, situated among the cities of Castro, Carambeí and Ponta Grossa, Paraná State. Nowadays that is a growing demand of remote sensing images with high spatial resolution. As a result, there is a need to create new methodologies for digital image processing. Here we can mention GEOBIA, which has some advantages, such as a polygon generation for each geographical object created, relational data base with several descriptors, as well as, the possibility to use spectral, spatial and texture information. Yet we have been used the Principal Components Analysis (PCA) and the Cluster Analysis (CA) in order to reduce the size of our training samples from the relational data base, which are trained by means of supervised classification. With this, we aim to select descriptors that could bring the best results for our classification. We have obtained different geographic object oriented supervised classifications, whereas the descriptors were selected from PCA, also from PCA together with CA, as well as, all descriptors have been selected from GEOBIA. We have concluded that the best results for the two work zones were obtain from the descriptors selected from PCA together with CA. In work zone 1 we have obtained 95,68% of general precision in the confusion matrix and 0,95 in the kappa index. While, in work zone 2 we have obtained 93,85% in the confusion matrix and 0,93 in the kappa index. These numbers are consider outstanding in the literature. With this, we show that descriptors selection for geographic object oriented classification is an important approach, since there are descriptors with redundant information that could mislead the classification result. / O objetivo desse trabalho foi mediante a GEOBIA (Geographic Object Based Image Analysis) caracterizar o uso e ocupação da terra em duas diferentes áreas no entorno do rio Pitangui, localizado entre os municípios de Castro, Carambeí e Ponta Grossa, Paraná. Devido à maior demanda de imagens de sensoriamento remoto com alta resolução espacial, há a necessidade de novas metodologias no processamento de imagem digital, pode-se citar a GEOBIA, que é análise orientada a objeto geográfico, que dentre as suas vantagens está a geração de polígonos para cada objeto geográfico criado e banco de dados relacional com diversos descritores, além de possibilitar o uso de informação espectral, espacial e de textura. A Análise de Componentes Principais (ACP) e Análise de Agrupamentos (AA) foram utilizadas com o objetivo de reduzir a dimensionalidade do banco de dados relacional das amostras de treinamento da classificação supervisionada e dessa forma, selecionar os descritores que proporcionassem melhores resultados para a classificação. Processou-se classificações supervisionadas orientadas a objetos utilizando descritores selecionados a partir da ACP, selecionados pela ACP mais AA, e todos os descritores gerados a partir da GEOBIA. Observou-se que os melhores resultados para ambas as áreas de estudo foram com os descritores selecionados pela ACP mais AA, que obtiveram na área de estudo 1 95,68% de precisão geral na matriz de confusão, e 0,95 no índice kappa, e para área de estudo 2 93,85% na matriz e 0,93 no índice kappa, valores considerados excelentes pela literatura, demonstrando que a seleção de descritores para a classificação orientada a objetos é pertinente, pois há descritores com informações redundantes que podem prejudicar o resultado final da classificação.

Submitted by Angela Maria de Oliveira (amolivei@uepg.br) on 2017-08-17T17:52:19Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) EvelaineBergerRibeiro.pdf: 3485617 bytes, checksum: 18e9091f3505473cbeee5bffb65a1467 (MD5) / Made available in DSpace on 2017-08-17T17:52:19Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) EvelaineBergerRibeiro.pdf: 3485617 bytes, checksum: 18e9091f3505473cbeee5bffb65a1467 (MD5) Previous issue date: 2017-06-20 / Com as informações adquiridas das imagens capturadas pelo Sensoriamento Remoto e das técnicas disponíveis nos Sistemas de Informação Geográfica pode-se gerar mapeamentos temáticos para uso e cobertura do solo. Para isso, é realizada a classificação de imagens para definir as classes de interesse. Essa classificação pode ser feita pixel a pixel ou por regiões. Em imagens de alta resolução, como a Rapideye, é indicada a classificação por regiões. Esse método considera as informações do pixel e sua vizinhança, agrupando pixels com características semelhantes, formando as regiões. Portanto, recomenda-se aplicar o método da segmentação pela GEOBIA, que segmenta a imagem em regiões, visando extrair características espaciais, espectrais e de textura. Como resultado desse método, têm-se o vetor de regiões e o banco de dados relacional com os atributos (espaciais, espectrais e de textura). O presente trabalho teve como objetivo obter a classificação do uso e cobertura do solo da imagem Rapideye com banco de dados NoSQL orientado a grafos para análise dos atributos extraídos mediante a GEOBIA. A metodologia desenvolvida utilizou a Análise Multivariada para analisar os atributos resultantes da segmentação. Por meio do dendrograma foi possível a separação dos grupos de atributos (espaciais, espectrais e de textura), que foram utilizados para as consultas de busca por agrupamentos de regiões com características semelhantes no grafo formado pelo banco de dados NoSQL. As regiões foram classificadas de acordo com as classes de interesse definidas no processo de fotointerpretação, gerando a imagem classificada. Para validar o resultado, realizou-se a classificação da imagem da área de estudo pelos algoritmos Distância Mínima, Máxima Verossimilhança e KNN e a matriz de confusão. O algoritmo KNN apresentou melhor classificação, com índice kappa de 0,77 e então foi utilizada para comparação com a imagem classificada pelo banco de dados NoSQL, por meio da tabulação cruzada. O cruzamento dos dados mostrou que a imagem classificada pelo banco de dados NoSQL obteve resultados positivos. Conclui-se que a pesquisa alcançou os objetivos propostos apresentando resultados satisfatórios para o método desenvolvido para classificação do uso e cobertura do solo. / The information from images captured by Remote Sensing and the techniques available in the Geographic Information Systems, it is possible to generate thematic mappings for use and land cover. For this, the classification of images is realized to define interest classes. This classification can be done pixel by pixel or by regions. In high resolution images, such as Rapideye, classification by region is indicated. This method considers the information of the pixel and its neighborhood, grouping pixels with similar characteristics create the regions. Therefore, it is recommended to apply the GEOBIA segmentation method, which segments the image in regions to extract spatial, spectral and texture characteristics. As a result of this method, have the region vector and the relational database with the attributes (spatial, spectral and texture). The objective of this work was to obtain the classification of the use and coverage of the soil of the Rapideye image using the NoSQL database oriented to graphs to analyze the attributes extracted through GEOBIA. The developed methodology used the Multivariate Analysis to analyze the attributes resulting from the segmentation. The dendrogram it was possible to separate the groups of attributes (spatial, spectral and texture), which were used for the search queries by groupings of regions with similar characteristics in the graph formed by the NoSQL database. The regions were classified according to the interest classes defined in the photointerpretation process, generating the classified image. To validate the result, the image area of the study area was classified by the Minimum Distance, Maximum Likelihood and KNN algorithms and the confusion matrix. The KNN algorithm presented better classification, with a kappa index of 0.77 and was then used for comparison with the image classified by the NoSQL database, through cross tabulation. The cross-validation of the data showed that the image classified by the NoSQL database obtained positive results. It was concluded that the research reached the proposed objectives presenting satisfactory results for the method developed for classification of land use and land cover.

Made available in DSpace on 2016-04-29T13:31:08Z (GMT). No. of bitstreams: 1 Binder1.pdf: 2705417 bytes, checksum: 872704f0924c230542a60dccddcd7477 (MD5) Previous issue date: 2005-11-21 / Fundação Aniela e Tadeusz Ginsberg / This assignment, which joins the contemporaries studies on racial relations in Brazil, focuses in the subject of the racial classification and explores the auto-classification of colour and/or race between children and adolescents, pupils of public schools of the city of São Paulo. When giving voice to children and adolescents, I try to associate a political objective to the knowledge plan, gathering the new paradigms of the infancy studies. In this context, it is understood that children and adolescents are social actors and therefore, they have the right to express their racial background. Appraising race as a social construction, it presents and it argues the contemporary bibliography on racial classification, evidencing two gaps: one with respect to the methodological aspects, in which, It has not been questioned the understanding or agreement of the population with respect to the terms of colour and race; the other, relative to the voice of children and adolescents. The Research work consisted of the collection and analysis of answers of 238 children and adolescents, of both genders, organized in parallel groups, the three types of questionnaires in which varied the use of the terms colour, race and colour/race. In the ethical plan of this research, it was requested the children and to the adolescents an Informing assent term after the explanation of the research. The closed questions had been tabulated and the opened ones had previously passed for a process of content analysis aiming at to the apprehension of the concepts of colour and race expressed by the children and adolescents. It was observed that inquired children and adolescents express in consistent way its conceptualizations, and that, despite expressing a lesser number of racial terms then adults investigated in other research, they evidence a standard and equivalent answers. It is concluded suggesting that, In spite of the silence that impregnates the racial relations in the school, the children and the adolescents possess the ability to express, themselves their racial background / Esta dissertação, que se filia aos estudos contemporâneos sobre relações raciais no Brasil, focaliza o tema da classificação racial e explora a auto-classificação de cor e/ou raça entre crianças e adolescentes, alunos(as) de escolas públicas da cidade de São Paulo. Ao dar voz a crianças e adolescentes, procura associar um objetivo político ao plano de conhecimento, acolhendo os novos paradigmas dos estudos sobre infância. Neste sentido, entende que crianças e adolescentes são atores sociais e, portanto, têm o direito de expressar sua pertença racial. Ao conceituar raça como uma construção social, apresenta e discute a bibliografia contemporânea sobre classificação racial, evidenciando duas lacunas: uma que diz respeito a aspectos metodológicos, na medida em que, via de regra, não se tem problematizado o entendimento da população sobre os termos cor e raça; a outra, relativa à voz de crianças e adolescentes. O trabalho de campo consistiu na coleta e análise de respostas de 238 crianças e adolescentes, de ambos os sexos, organizados em grupos paralelos, a três tipos de questionários nos quais se variava o uso dos termos cor, raça e cor/raça. No plano da ética da pesquisa, solicitou-se às crianças e aos adolescentes um termo de consentimento informando após a explicação do trabalho. As perguntas fechadas foram tabuladas e as abertas passaram anteriormente por um processo de análise de conteúdo, visando à apreensão dos conceitos de cor e raça explicitados pelas crianças e adolescentes. Observou-se que crianças e adolescentes inquiridos expressam de modo consistente suas conceituações, e que, apesar, de expressarem um menor número de termos raciais que adultos investigados em outras pesquisas, evidenciam um padrão equivalente de respostas. Conclui-se sugerindo que, a despeito do silêncio que impregna as relações raciais na escola, as crianças e os adolescentes dispõem de competência para expressarem, eles (as) mesmos (as) sua pertença racial

O setor rodoviário no Brasil é o maior responsável pelo transporte de passageiros e de cargas. A indústria de veículos de carga tem realizado modificações nas características dos veículos e a tendência neste mercado é o aumento na capacidade de transporte, obtida com a fabricação de veículos com maiores dimensões, com um maior número de eixos, bem como a utilização de combinações de veículos de carga (CVCs). Estas alterações atendem uma exigência do mercado, que é o aumento da produtividade nos serviços de transporte. Para uma operação segura, entretanto, se faz necessário garantir a compatibilidade entre os veículos e a malha rodoviária ofertada para absorver este tráfego. O objetivo principal deste trabalho é investigar as características e padrões dos veículos que trafegam nas rodovias brasileiras, visando à proposição de parâmetros de projeto geométrico compatíveis, contemplando os aspectos da interação dos veículos e da via, com ênfase para os veículos de grande porte, e em particular os veículos do tipo CVC. São propostos ajustes nos padrões técnicos estabelecidos pelo DNER, atual DNIT, de forma a adequar a geometria das rodovias às características e restrições dos veículos em operação. Foi realizado ainda um estudo de caso para um conjunto de trechos de rodovias no Estado de São Paulo e no Estado do Ceará, com características técnicas diferentes, onde trafegam CVCs de diversas configurações com restrições, permitindo que sejam identificados os ajustes necessários na geometria para adequação ao tráfego, bem como orientar a concepção de outros projetos. / In Brazil the majority of passenger and goods transportation is carried out by the highway transportation system. Vehicle industry does a continuous job of designing new models in order to increase capacities, producing bigger vehicles, with more axles, as well as long combination vehicles (LCVs). These modifications aim to attend a market demand that is looking for better productivity figures for transportations services. However, to assure a good level of safety in the operation of these vehicles, it is necessary a guarantee of compatibility of them with the roads where they will circulate. The main objective of this thesis is the research of the characteristics and standards of vehicles traveling on brazilian roads, in order to analyze design parameters, considering the interaction between vehicles and roads. The problem of the flow of large vehicles, in particular LCVs, is emphasized. Adjustments on the design standards, established by the DNER (presently named DNIT), are proposed with the intention of adequate the road geometry to the vehicles characteristics and restrictions. A case study was carried out for a set of highway segments of the states of São Paulo and Ceará. These segments present different technical characteristics and are traversed, with some restrictions, by different types of LCVs. This study allows not only the identification of necessary adjustment on the road geometry to hold up the existing traffic flow, but also the design of new projects standards.

Esta dissertação se baseia na exploração de técnicas para modelagem de óbitos provenientes de acidentes por automóvel no estado de São Paulo. A análise foi agregada por área, e utilizou a razão de óbitos por população, por área e por fluxo veicular como variáveis dependentes e as variáveis independentes foram características socioeconômicas, área, frota de veículos, IDHM, fluxo veicular anual e distâncias entre microrregiões. Os dados do ano 2000 foram utilizados na calibração e dados de 2010 na validação dos modelos, com a técnica de mineração de dados (algoritmos de Árvore de Decisão - AD: CART - Classification And Regression Tree e CHAID - Chi-squared Automatic Interaction Detection) e Regressão Linear Múltipla (RLM) para fins comparativos com os modelos de AD. A partir dos resultados verifica-se que a RLM foi a técnica que obteve melhores erro médio, erro médio absoluto e coeficiente de correlação, e o algoritmo CART da AD o menor erro médio normalizado. Ao comparar as taxas de óbitos, a relação por área apresentou melhor erro médio e coeficiente de correlação, já a relação por população obteve menor erro médio normalizado e erro médio absoluto. Vale ressaltar que os algoritmos de AD são técnicas adequadas para classificação de áreas segundo faixas de valores de variáveis explicativas e valores médios da variável objeto de estudo. Além disso, tais técnicas são mais flexíveis em relação a alguns pressupostos de modelos de regressão. Dessa forma, a principal contribuição deste trabalho consiste na exploração de tais algoritmos para previsão de acidentes e classificação de regiões. / This dissertation is based on techniques exploration for modeling of deaths from automobile accidents on the state of São Paulo. The analysis was aggregated by area, and used the ratio of deaths per population, by area and by vehicle flow as dependent variables and the independent variables were socioeconomic characteristics, area, vehicle fleet, Municipal Human Development Index (MHDI), annual vehicle flow and distances between micro-regions. The 2000 data were used for calibration and 2010 data to validate the models with data mining technique (decision tree - DT algorithms: CART - Classification And Regression Tree and CHAID - Chi-squared Automatic Interaction Detection) and Multiple Linear Regression (MLR) for comparative purposes with the DT models. From the results it appears that the RLM was the technique that achieved better mean error, mean absolute error and correlation coefficient values, while the CART algorithm presented the lowest value of mean normalized error. When comparing death rates, a relation by area showed better mean error and correlation coefficient values, as the ratio by population had lower mean normalized error and mean absolute error values. It is noteworthy that the DT algorithms are suitable techniques for classification of areas in accordance with explanatory variables of value ranges and average values of the variable object of study. Furthermore, such techniques are more flexible compared to some assumptions regression models. Thus, the main contribution of this study is the exploration of such algorithms for prediction of accidents and regions classification.

A classificação de texturas coloridas sob diferentes condições de iluminação é um desafio na área de visão computacional, e depende da eficiência dos descritores de textura em capturar características que sejam discriminantes independentemente das propriedades da fonte de luz incidente sobre o objeto. Visando melhorar o processo de classificação de texturas coloridas iluminadas com diferentes fontes de luz, este trabalho propõe três novos descritores, nomeados Opponent Color Local Mapped Pattern (OCLMP), que combina o descritor de texturas por padrões locais mapeados (Local Mapped Pattern - LMP) com a teoria de cores oponentes; Color Intensity Local Mapped Pattern (CILMP), que extrai as informações de cor e textura de maneira integrada, levando em consideração a textura da cor, combinando estas informações com características da luminância da textura em uma análise multiresolução; e Extended Color Local Mapped Pattern (ECLMP), que utiliza dois operadores para extrair informações de cor e textura de forma integrada (textura da cor) combinadas com informações apenas de textura (sem cor) de uma imagem. Todos esses novos descritores propostos são paramétricos e, sendo o ajuste ótimo de seus parâmetros não trivial, o processo exige um tempo excessivo de computação. Portanto, foi proposto nesta tese a utilização de algoritmos genéticos para o ajuste automático dos parâmetros. A avaliação dos descritores propostos foi realizada em duas bases de dados de texturas coloridas com variação de iluminação: RawFooT (Raw Food Texture Database) e KTH-TIPS- 2b (Textures under varying Illumination, Pose and Scale Database), utilizando-se um classificador. Os resultados experimentais mostraram que os descritores propostos são mais robustos à variação de iluminação do que outros decritores de textura comumente utilizados na literatura. Os descritores propostos apresentaram um desempenho superior aos descritores comparados em 15% na base de dados RawFooT e 4% na base de dados KTH-TIPS-2b. / Color texture classification under varying illumination remains a challenge in the computer vision field, and it greatly relies on the efficiency at which the texture descriptors capture discriminant features, independent of the illumination condition. The aim of this thesis is to improve the classification of color texture acquired with varying illumination sources. We propose three new color texture descriptors, namely: the Opponent Color Local Mapped Pattern (OCLMP), which combines a local methodology (LMP) with the opponent colors theory, the Color Intensity Local Mapped Pattern (CILMP), which extracts color and texture information jointly, in a multi-resolution fashion, and the Extended Color Local Mapped Pattern (ECLMP), which applies two operators to extract color and texture information jointly as well. As the proposed methods are based on the LMP algorithm, they are parametric functions. Finding the optimal set of parameters for the descriptor can be a cumbersome task. Therefore, this work proposes the use of genetic algorithms to automatically adjust the parameters. The methods were assessed using two data sets of textures acquired using varying illumination sources: the RawFooT (Raw Food Texture Database), and the KTH-TIPS-2b (Textures under varying Illumination, Pose and Scale Database). The experimental results show that the proposed descriptors are more robust to variations to the illumination source than other methods found in the literature. The improvement on the accuracy was higher than 15% on the RawFoot data set, and higher than 4% on the KTH-TIPS-2b data set.

Técnicas biométricas procuraram identificar usuários pela textura da íris, impressão digital, traços faciais, entre outros. A íris humana apresenta características de textura que a classificam como uma peculiaridade biométrica de grande poder de discriminação no reconhecimento de pessoas. O objetivo deste trabalho é avaliar a eficiência de uma nova metodologia de análise de texturas em desenvolvimento no LAVI (Laboratório de Visão Computacional da EESC-USP) na identificação de indivíduos por meio da textura de sua íris. A metodologia denomina-se Local Fuzzy Pattern e tem sido utilizada com excelente desempenho com texturas gerais, naturais e artificiais. Este documento detalha as técnicas utilizadas para extração e normalização da textura da íris, a utilização e os resultados obtidos com o método Local Fuzzy Pattern aplicado à classificação biométrica da íris humana. Os resultados obtidos apresentam sensibilidade de até 99,7516% com a aplicação da metodologia proposta em bancos de imagens de íris humana disponíveis na internet demonstram a viabilidade da técnica proposta. / Biometric techniques sought to identify users by the texture of the iris, fingerprint, facial features, among others. The human iris have texture characteristics that rank it as a powerful biometric peculiarity on human recognition. The objective of this masters proposal is to investigate the efficiency of a new methodology of iris texture analysis currently in development in LAVI (Laboratório de Visão Computacional da EESC-USP). The methodology is called LFP (Local Fuzzy Pattern) and has been used with excellent overall performance on artificial and natural textures. This document details the techniques used for the extraction and normalization of the iris texture, the use and results of the local fuzzy pattern method applied to biometric classification of the human eye. The results show a sensibility of value up to 99.7516%, obtained by applying the proposed methodology on human iris photos from image database available on the internet does showing the viability of the technique.