Submitted by Marcelo Andrade Silva (marcelo.andradesilva@ufpe.br) on 2015-03-05T18:11:17Z No. of bitstreams: 2 MilenaDutra_teseppgeo.pdf: 1718298 bytes, checksum: 47961475002d788d3c6ca9df88c8bc70 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-05T18:11:17Z (GMT). No. of bitstreams: 2 MilenaDutra_teseppgeo.pdf: 1718298 bytes, checksum: 47961475002d788d3c6ca9df88c8bc70 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2012 / FACEPE / As plantas possuem grande sensibilidade aos fatores climáticos dominantes no ambiente e por isto a investigação dos seus padrões morfofuncionais são excelentes ferramentas auxiliares para a compreensão do funcionamento da paisagem e/ou ecossistema. Entre os biomas brasileiros, a caatinga se destaca por sua abrangência territorial (54% da região Nordeste e 11% do território nacional) e elevada potencialidade quanto aos recursos naturais. Estas características a tornaram alvo de exploração intensiva tornando as áreas remanescentes susceptíveis às desordens ambientais, desertificação e mudanças climáticas globais. Conhecer o padrão de respostas dos caracteres funcionais das espécies que constituem a flora nativa deste bioma indicará atributos vegetais que conferem resiliência ou aqueles mais susceptíveis à sua permanência no ambiente. Neste sentido, este estudo visou quantificar os caracteres morfoanatômicos foliares de plantas estabelecidas em uma comunidade do semiárido pernambucano e identificar a funcionalidade dos mesmos. Para isto, analisamos a estrutura e a dinâmica da vegetação, as condições biológicas das espécies estruturantes da paisagem e o padrão de respostas morfofuncionais (tipo e frequência) exibidos por estas às pressões peculiares à caatinga em um fragmento vegetacional em Pernambuco. Para isto foram utilizados métodos e técnicas usuais em levantamentos florísticos e fitossociológicos, sensoriamento remoto e geoprocessamento, análises hiperespectrais (índices de vegetação) e anatomia vegetal. O fragmento vegetacional sofreu redução na sua cobertura vegetal no período de 1988 a 2011. A identificação da riqueza e abundância de espécies lenhosas indicou a área estudada como alvo de perturbação ambiental, em etapa inicial de sucessão ecológica. A deficiência hídrica foi identificada como fator estressor para a planta. As estratégias fisiológicas e morfoanatômica adotadas pelas espécies foram diferentes entre si e são uma tentativa de ajuste específico da espécies as condições ambientais, a fim de garantir sucesso em sua manutenção no ambiente (uso eficiente da água e fotossíntese). Entre as estratégias morfofuncionais adotadas pelas espécies destacam-se como padrão: indivíduos com dossel/copas abertas, folhas mais alongadas, epiderme com cutícula espessa, elevado grau de sinuosidade das paredes anticlinais das células fundamentais da epiderme, presença de tricomas, parênquima clorofiliano diferenciado com parênquima paliçádico pluriestratificado, ocupando cerca de 50% do mesofilo foliar. A formação de grupos funcionais ocorreu independentemente da similaridade de classificação sistemática, reforçando a premissa de que o desenvolvimento dessas características é o resultado do grau de influência das condições ambientais e do grau de plasticidade das diferentes espécies ali estabelecidas, mostrando comportamentos morfofuncionais similares.

Este trabalho examina as características evolutivas de manguezais (Sistema Estuarino de Santos, estado de São Paulo) através da oportunidade de acessar os impactos cumulativos de mudanças ambientais e suas consequências na vegetação. Para atingir este objetivo foi testado uma metodologia de detecção de mudança baseado no processamento de 9 imagens Landsat. Fora estabelecido uma rotina de trabalho o qual proporcionou a extração de bosques de mangue através de uma classificação orientada a objetos. Análises subseqüentes de índices de vegetação foram efetuadas para caracterizar a evolução de aspectos espectrais relativos aos manguezais. Também foram aplicados a extração de medidas de métricas relativas a estrutura da paisagem. Dados auxiliares, como um Modelo Digital de Elevação e imagens de alta resolução espacial propiciaram um melhor entendimento das análises efetuadas. Todos os dados gerados foram integrados em Sistema de Informação Geográfica (SIG). Os resultados apontaram que a área como um todo apresentou tendências de recobrimento de manguezais em termos de área e vigor entre 1985 e 1999, quando se tronou relativamente estável, mostrando variações locais de regeneração e degradação. A avaliação geral das formas e padrões dos bosques de manguezais baseados na delimitação de áreas e medidas da estrutura da paisagem mostraram melhores resultados quando comparados com análises de índices de vegetação, que parecem ser sensíveis a flutuações ambientais ocorridas quando da aquisição das imagens. / This work examines the evaluative characteristics of an impacted mangrove system (Santos/São Vicente region, São Paulo State) providing opportunities to assess the cumulative impact of environmental changes and their consequences on the vegetation. To achieve this objective it was tested a methodology of Time Change Detection techniques (TCD) based on the processing of series of 9 Landsat images. It was established a detailed study framework based on the individual mangroves extraction from object oriented classification. Subsequently analysis of vegetation indices values was performed in order to characterize the evolution of the spectral aspects of the mangroves. This work also assessed models of landscape patterns and structure. Other types of data such as High Resolution Satellite images, Aerial photographs and Satellite altimetry were also used to better understand the whole estuarine system. Thus it was also proposed the implementation of a geographically referenced database in a GIS in order to analyze variables which could affect mangrove dynamics. The results of the analysis demonstrated that the area as a whole confirms a tendency of recovering in terms of area and vigor since 1985 until 1999 when it became quite stable showing local variations in terms of recovering and degradation. The overall evaluation of form and shape of the mangrove forests, based in the delimitation of areas and landscape metrics, showed better results when comparing with the Vegetation Indices analysis, which seems quite influenced by the environmental conditions at the time satellite images were taken.

The constant analysis of the condition of ciliary vegetation is fundamental in the management and conservation of natural resources as well as in the maintenance of local biodiversity. The main objective of this study is to detect and analyze the changes of vegetation cover of riparian areas in the Rio Vacacaí Mirim basin, in the state of Rio Grande do Sul, using the technique of Radiometric Rotation Controlled by Axis of Non-Change (RCEN). The RCEN technique allows the control of the digital algorithm of the detection of these changes, through the radiometric rotation of the multitemporal image and band of the visible spectrum, generating an image detection of these changes. In this study, images from the remote sensor Thematic Mapper - Landsat 5 were used to visualize and obtain information from research areas and GIS to perform RCEN procedures and image visualization. At work, pairs of images were analyzed, between the years of 2001 and 2011, in periods of 5 to 10 years, allowing the analysis of these changes over time. The resulting detection images, after statistical analysis, were categorized into three classes: degradation, preservation and recovery of vegetation cover. These results are based on the values of the pixels analyzed in each of the studied scenes: in the areas of degradation the pixels present themselves with positive (clearer) values, in the preservation areas the pixels present themselves with values close to zero and in the recovery areas present negative (darker) values. The analysis of the resulting cartographic material allowed a broader and more detailed view of the change of the scene along the Vacacaí Mirim basin, resulting from the impact of the anthropic actions suffered and the new landscape of soybean cultivation, replacing the bovine farming areas. In the study it was verified how much the basin was degraded during 10 years, but in the analysis of the drainage along the same approximately 30% of the same one was in stage of conservation and regeneration. Increasingly, the need for studies, monitoring and inspection of riparian areas, so important in maintaining the aquatic ecosystem, availability and quality of water and preservation of biodiversity, as a consequence, with the mandatory registration of all rural owners in the Environmental Registry Rural, demonstrating the importance of research. / A análise constante da condição das vegetações ciliares é fundamental na gestão e conservação dos recursos naturais assim como na manutenção da biodiversidade local. O objetivo principal desse estudo é detectar e analisar as mudanças de cobertura vegetal de áreas ciliares na bacia do Rio Vacacaí Mirim, no estado do Rio Grande do Sul utilizando a técnica de Rotação Radiométrica Controlada por Eixo de Não Mudança (RCEN). A técnica RCEN permite o controle do algoritmo digital da detecção dessas mudanças, através da rotação radiométrica da imagem multitemporal e banda do espectro visível, gerando uma imagem detecção dessas mudanças. Neste estudo foram utilizadas imagens do sensor remoto Thematic Mapper - Landsat 5, para visualização e obtenção de informações das áreas de pesquisa e SIG para realização dos procedimentos da técnica RCEN e visualização das imagens detecção de mudanças. No trabalho, pares de imagens foram analisados, compreendidos entre os anos de 2001 e 2011, em períodos de 5 a 10 anos, possibilitando a análise dessas mudanças ao longo do tempo. As imagens detecção resultantes, após análises estatísticas, foram categorizadas em três classes: degradação, preservação e recuperação da cobertura vegetal. Estes resultados se baseiam nos valores dos pixels analisados em cada uma das cenas estudadas: nas áreas de degradação os pixels se apresentam com valores positivos (mais claros), nas áreas de preservação os pixels se apresentam com valores próximos a zero e nas áreas de recuperação, apresentam valores negativos (mais escuros). A análise do material cartográfico resultante, possibilitou uma visão mais ampla e detalhada da mudança da cena ao longo da bacia do Vacacaí Mirim, através do resultado do impacto das ações antrópicas sofridas e da nova paisagem de cultivo da soja em substituição a áreas de bovinocultura. No estudo verificou-se o quanto a bacia foi degradada ao longo de 10 anos, porém, na análise da drenagem ao longo da mesma aproximadamente 30% da mesma encontrou-se em estágio de conservação e regeneração. A cada dia aumenta a necessidade de estudos, monitoramento e fiscalização de áreas ciliares, tão importantes na manutenção do ecossistema aquático, da disponibilidade e qualidade da água e preservação da biodiversidade, consequentemente, com a obrigatoriedade da inscrição de todos os proprietários rurais no Cadastro Ambiental Rural, demonstrando a importância da pesquisa.

Este trabalho examina as características evolutivas de manguezais (Sistema Estuarino de Santos, estado de São Paulo) através da oportunidade de acessar os impactos cumulativos de mudanças ambientais e suas consequências na vegetação. Para atingir este objetivo foi testado uma metodologia de detecção de mudança baseado no processamento de 9 imagens Landsat. Fora estabelecido uma rotina de trabalho o qual proporcionou a extração de bosques de mangue através de uma classificação orientada a objetos. Análises subseqüentes de índices de vegetação foram efetuadas para caracterizar a evolução de aspectos espectrais relativos aos manguezais. Também foram aplicados a extração de medidas de métricas relativas a estrutura da paisagem. Dados auxiliares, como um Modelo Digital de Elevação e imagens de alta resolução espacial propiciaram um melhor entendimento das análises efetuadas. Todos os dados gerados foram integrados em Sistema de Informação Geográfica (SIG). Os resultados apontaram que a área como um todo apresentou tendências de recobrimento de manguezais em termos de área e vigor entre 1985 e 1999, quando se tronou relativamente estável, mostrando variações locais de regeneração e degradação. A avaliação geral das formas e padrões dos bosques de manguezais baseados na delimitação de áreas e medidas da estrutura da paisagem mostraram melhores resultados quando comparados com análises de índices de vegetação, que parecem ser sensíveis a flutuações ambientais ocorridas quando da aquisição das imagens. / This work examines the evaluative characteristics of an impacted mangrove system (Santos/São Vicente region, São Paulo State) providing opportunities to assess the cumulative impact of environmental changes and their consequences on the vegetation. To achieve this objective it was tested a methodology of Time Change Detection techniques (TCD) based on the processing of series of 9 Landsat images. It was established a detailed study framework based on the individual mangroves extraction from object oriented classification. Subsequently analysis of vegetation indices values was performed in order to characterize the evolution of the spectral aspects of the mangroves. This work also assessed models of landscape patterns and structure. Other types of data such as High Resolution Satellite images, Aerial photographs and Satellite altimetry were also used to better understand the whole estuarine system. Thus it was also proposed the implementation of a geographically referenced database in a GIS in order to analyze variables which could affect mangrove dynamics. The results of the analysis demonstrated that the area as a whole confirms a tendency of recovering in terms of area and vigor since 1985 until 1999 when it became quite stable showing local variations in terms of recovering and degradation. The overall evaluation of form and shape of the mangrove forests, based in the delimitation of areas and landscape metrics, showed better results when comparing with the Vegetation Indices analysis, which seems quite influenced by the environmental conditions at the time satellite images were taken.

Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-03-02T13:31:20Z No. of bitstreams: 2 Dissertação_Albert F. J. Costa.pdf: 4215192 bytes, checksum: 995a811676e714bffa60b5d73a387cfa (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-03-02T13:31:36Z (GMT) No. of bitstreams: 2 Dissertação_Albert F. J. Costa.pdf: 4215192 bytes, checksum: 995a811676e714bffa60b5d73a387cfa (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-03-02T13:31:36Z (GMT). No. of bitstreams: 2 Dissertação_Albert F. J. Costa.pdf: 4215192 bytes, checksum: 995a811676e714bffa60b5d73a387cfa (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-12-11 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / Current machine learning techniques used for prediction tasks rely on the assumption that the environment where data is generated is static and supervised. However, most of the real-world problems present dynamic and semi-supervised environments, which invalidate this assumed assumption. In these environments, it is possible the occurrence of a phenomenon known in the literature as concept drift. The main characteristic of such a phenomenon is that the relationship between instances’ features and their true classes changes over time. The primary effect of the concept drift occurrence is the decrease on classifier performance, which leads the classifier to be obsolete for the task. There are methods in the literature that deal with concept drift implicitly or explicitly. The main drawback to blind (implicit) methods is the cost on retraining the classifier constantly, even with no concept drift occurrence, while the informed (explicit) methods generally work based on classifier performance decrease, or based on assumptions about the samples distribution. In order to try to overcome these drawbacks, in this work we propose to use density variation of the most significant instances as an explicit trigger for concept drift detection. Density variation measurement is based on Active Learning, and is calculated from virtual margins projected onto the input space according to the classifier confidence. Focusing on demonstrating the validity of the proposed method, called Concept Drift Detection Method Based on Active Learning (DMAA), were have carried out experiments divided into two series. In the first series, DMAA was investigated on six databases, which represent four synthetic and two real problems. The obtained results show that the proposed method achieved 95.45% of drift detection rate on synthetic databases, and 16.5% as mean error rate in both synthetic and real databases. In the second series of experiments, DMAA was compared to three baselines, including two supervised drift detectors and one Active Learning-based method. The obtained results show that DMAA reached statistically significant better recognition rates in the majority of databases. Besides, it reduced the amount of labeled instances needed to keep the system updated. / As atuais técnicas de aprendizado de máquina aplicadas na tarefa de predição são baseadas na premissa de que o ambiente em que os dados são gerados apresenta um comportamento estacionário e supervisionado. Porém, os ambientes, na maioria dos problemas do mundo real, são considerados dinâmicos e semi-supervisionados, fatos que invalidam as premissas normalmente utilizadas. Nesses ambientes há a possibilidade da ocorrência do fenômeno conhecido na literatura por mudança de conceito (do inglês concept drift), que caracteriza-se pela alteração na relação entre as características das instâncias e a sua verdadeira classe com a passagem do tempo. Como efeito primário da ocorrência desse fenômeno tem-se a degradação significativa na taxa de desempenho do classificador, tornando-o obsoleto para a tarefa. Encontram-se na literatura métodos que lidam implicitamente ou explicitamente com a mudança de conceito, sendo que os métodos cegos (implícitos) arcam com os custos de retreinar o classificador de forma constante, enquanto que os métodos informados (explícitos) atuam normalmente baseados no monitoramento da degradação do desempenho do classificador, ou na realização de suposições sobre a distribuição das instâncias. Para contornar essas dificuldades, esta dissertação propõe o uso da variação da densidade das instâncias mais significativas, calculada com base em Aprendizado Ativo, como sinalizador explícito da ocorrência de mudança de conceito. A densidade é mensurada a partir do conceito de margens virtuais projetadas no espaço de entrada, sendo que as margens virtuais são obtidas com base na incerteza do classificador. Objetivando-se demonstrar a validade do método proposto, denominado de Método de Detecção de Mudança de Conceito Baseada em Aprendizado Ativo (DMAA), experimentos foram realizados em duas etapas. A primeira consistiu na aplicação do DMAA em seis bases de dados, sendo quatro sintéticas e duas reais. Os resultados obtidos demonstram que o método proposto identificou em média 95,45% das mudanças existentes nas bases sintéticas, e alcançou uma média geral de erro de 16,5%. Na segunda etapa de experimentos, foi feita uma comparação entre o DMAA e três baselines, incluindo dois métodos supervisionados e um método baseado em aprendizado ativo. Os resultados indicam que o DMAA alcançou resultados estatisticamente superiores em mais da metade das bases de dados investigadas, além de reduzir significativamente a quantidade de instâncias rotuladas necessárias para manter o sistema atualizado.

Um dos desafios da Inteligência Artificial aplicada em jogos é o aprendizado de comportamento, em que o objetivo é utilizar estatísticas obtidas da interação entre jogador e jogo de modo a reconhecer características particulares de um jogador ou monitorar a evolução de seu comportamento no decorrer do tempo. A maior parte dos trabalhos na área emprega modelos previamente aprendidos, por meio da utilização de algoritmos de Aprendizado de Máquina. Entretanto, são poucos os trabalhos que consideram que o comportamento de um jogador pode evoluir no tempo e que, portanto, reconhecer quando essas mudanças ocorrem é o primeiro passo para produzir jogos que se adaptam automaticamente às capacidades do jogador. Para detectar variações comportamentais em um jogador, são necessários algoritmos que processem dados de modo incremental. Esse pré-requisito motiva o estudo de algoritmos para detecção de mudanças da área de Mineração em Fluxos Contínuos de Dados. Entretanto, algumas das características dos algoritmos disponíveis na literatura inviabilizam sua aplicação direta ao problema de detecção de mudança em jogos. Visando contornar essas dificuldades, esta tese propõe duas novas abordagens para detecção de mudanças de comportamento. A primeira abordagem é baseada em um algoritmo incremental de agrupamento e detecção de novidades que é independente do número e formato dos grupos presentes nos dados e que utiliza um mecanismo de janela deslizante para detecção de mudanças de comportamento. A segunda abordagem, por outro lado, é baseada na comparação de janelas de tempo consecutivas utilizando espectrogramas gerados a partir dos dados contidos em cada janela. Os resultados experimentais utilizando simulações e dados de jogos comerciais indicam a aplicabilidade dos algoritmos propostos na tarefa de detecção de mudanças de comportamento de um jogador, assim como mostram sua vantagem em relação a outros algoritmos para detecção de mudança disponíveis na literatura / One of the challenges of Artificial Intelligence applied to games is behavior learning, where the objective is to use statistics derived from the interaction between the player and the game environment in order to recognize particular player characteristics or to monitor the evolution of a players behavior along time. The majority of work developed in this area applies models that were previously learned through the use of Machine Learning techniques. However, only a few pieces of work consider that the players behavior can evolve over time and, therefore, recognizing when behavior changes happen is the first step towards the production of games that adapt to the players needs. In order to detect changes in the behavior of a player, incremental algorithms are necessary, what motivates the study of change detection algorithms from the area of Data Stream Mining. However, some of the characteristics of the algorithms available in the literature make their application to the task of change detection in games unfeasible. To overcome these difficulties, this work proposes two new approaches for change detection. The first approach is based on an incremental clustering and novelty detection algorithm which is independent of the number and format of clusters and uses a mechanism for change detection based on sliding windows. The second approach, on the other hand, is based on the comparison of consecutive time windows using spectrograms created from the data inside each window. Experimental results using simulations and data from commercial games indicate the applicability of the proposed algorithms in the task of detecting a players changing behavior, as well as present their advantage when compared to other change detection algorithms available in the literature

Um dos desafios da Inteligência Artificial aplicada em jogos é o aprendizado de comportamento, em que o objetivo é utilizar estatísticas obtidas da interação entre jogador e jogo de modo a reconhecer características particulares de um jogador ou monitorar a evolução de seu comportamento no decorrer do tempo. A maior parte dos trabalhos na área emprega modelos previamente aprendidos, por meio da utilização de algoritmos de Aprendizado de Máquina. Entretanto, são poucos os trabalhos que consideram que o comportamento de um jogador pode evoluir no tempo e que, portanto, reconhecer quando essas mudanças ocorrem é o primeiro passo para produzir jogos que se adaptam automaticamente às capacidades do jogador. Para detectar variações comportamentais em um jogador, são necessários algoritmos que processem dados de modo incremental. Esse pré-requisito motiva o estudo de algoritmos para detecção de mudanças da área de Mineração em Fluxos Contínuos de Dados. Entretanto, algumas das características dos algoritmos disponíveis na literatura inviabilizam sua aplicação direta ao problema de detecção de mudança em jogos. Visando contornar essas dificuldades, esta tese propõe duas novas abordagens para detecção de mudanças de comportamento. A primeira abordagem é baseada em um algoritmo incremental de agrupamento e detecção de novidades que é independente do número e formato dos grupos presentes nos dados e que utiliza um mecanismo de janela deslizante para detecção de mudanças de comportamento. A segunda abordagem, por outro lado, é baseada na comparação de janelas de tempo consecutivas utilizando espectrogramas gerados a partir dos dados contidos em cada janela. Os resultados experimentais utilizando simulações e dados de jogos comerciais indicam a aplicabilidade dos algoritmos propostos na tarefa de detecção de mudanças de comportamento de um jogador, assim como mostram sua vantagem em relação a outros algoritmos para detecção de mudança disponíveis na literatura / One of the challenges of Artificial Intelligence applied to games is behavior learning, where the objective is to use statistics derived from the interaction between the player and the game environment in order to recognize particular player characteristics or to monitor the evolution of a players behavior along time. The majority of work developed in this area applies models that were previously learned through the use of Machine Learning techniques. However, only a few pieces of work consider that the players behavior can evolve over time and, therefore, recognizing when behavior changes happen is the first step towards the production of games that adapt to the players needs. In order to detect changes in the behavior of a player, incremental algorithms are necessary, what motivates the study of change detection algorithms from the area of Data Stream Mining. However, some of the characteristics of the algorithms available in the literature make their application to the task of change detection in games unfeasible. To overcome these difficulties, this work proposes two new approaches for change detection. The first approach is based on an incremental clustering and novelty detection algorithm which is independent of the number and format of clusters and uses a mechanism for change detection based on sliding windows. The second approach, on the other hand, is based on the comparison of consecutive time windows using spectrograms created from the data inside each window. Experimental results using simulations and data from commercial games indicate the applicability of the proposed algorithms in the task of detecting a players changing behavior, as well as present their advantage when compared to other change detection algorithms available in the literature

Submitted by Haroudo Xavier Filho (haroudo.xavierfo@ufpe.br) on 2016-01-22T14:22:26Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Mestrado_Victor_Lorena.pdf: 1644188 bytes, checksum: 4a53bf1f4dc89599b68bd29f20b7fd59 (MD5) / Made available in DSpace on 2016-01-22T14:22:26Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertação_Mestrado_Victor_Lorena.pdf: 1644188 bytes, checksum: 4a53bf1f4dc89599b68bd29f20b7fd59 (MD5) Previous issue date: 2015-10-19 / FACEPE / Uma série temporal financeira representa as cotações dos preços das ações e apresenta comportamento similar a um fluxo de dados. Para a descoberta de padrões presentes em seus dados alguns trabalhos utilizam técnicas de mineração de dados que são fundamentadas na ideia de que os dados históricos guardam a memória essencial para prever a direção futura dos preços. Métodos tradicionais propostos na literatura consideram que o ambiente é estático, ou seja, que o mecanismo gerador da série financeira é o mesmo durante todo o intervalo de tempo de interesse. Porém, no caso de séries temporais financeiras, isso pode não ocorrer. Para resolver este problema, esta dissertação propõe a abordagem PAA-IDPSO-CD (Aproximação por Valor Agregado de Segmento - Otimização por Enxame de Partículas Auto Adaptativa com detecção de mudança de conceito) para descoberta de padrões em séries temporais financeiras. A abordagem proposta objetiva lidar explicitamente com mudanças de conceito na série e descobrir os melhores padrões representativos dos dados das séries temporais que serão utilizados junto a uma estratégia de investimento formulada para automatizar as operações a serem feitas no mercado de ações. Isso possibilitará a redução das incertezas e dos riscos envolvidos nas compras e vendas de ações e auxiliará os investidores a maximizar o lucro nas suas operações feitas no mercado de ações. A fim de alcançar melhores resultados são propostas diferentes estruturas de partículas, utilizadas pelo IDPSO, junto a diferentes regras de decisão. Primeiramente, é utilizada uma estrutura básica para a partícula, em que se opera apenas na posição comprado no mercado financeiro. É proposto também uma segunda estrutura que é capaz de operar tanto na posição comprado quanto na posição vendido. Os experimentos do presente estudo comparam os resultados das versões do método proposto entre si e com os resultados obtidos pelas abordagens Buy and Hold (B&H) e SAX-GA (Aproximação por Valor Agregado Simbólico - Algoritmos Genéticos). Para isso, foram realizados Teste t Pareado com nível de confiança de 95% em vinte ações. O presente estudo conclui que o PAA-IDPSO-CD apresentou resultados estatisticamente melhores que o B&H e o SAX-GA para todas as vinte ações em que os testes foram executados (pvalor <0;05). Além disso, a estratégia que opera nas posições comprado e vendido é melhor quando comparada àquela que opera apenas na posição comprado. No estudo comparativo em onze ações não houve diferença estatística e em outras sete a estratégia comprado e vendido obteve melhores resultados (pvalor < 0; 05). / Financial time series represents the prices of stock over time and presents similar behavior to a data stream. Mining techniques, which are based on the idea that the historical data retain the essential memory to predict the future direction, are used to make the patterns discovery in the time series data. In this context, this study proposes the PAA-IDPSO-CD (Piecewise Aggregate Approximation - Improved self-adaptive particle swarm optimization with Concept Drift) approach aiming to find patterns in financial time series. The purpose of this study is the discovery of the best representative patterns of the time series data to be used by a designed investment strategy to automate the operations to be made in the stock market. Thus, reducing the uncertainties and risks involved in buying and selling operations of stocks and help investors maximize the profit in their operations made in the stock market. In order to achieve best results, different particle structures, used by IDPSO, along with different decision rules are proposed. First, a basic structure to the particle is employed, it operates only in the Long position in the financial market. Subsequently, this structure develops to be able to operate both in Long and Short position. The experiments of this study comparing the results of the various versions of the proposed approach with each other and with those obtained by the Buy and Hold (B&H) and SAX-GA techniques, for that, were performed Paired t test with a confidence level of 95% in twenty stocks. The achieved results show that the PAA-IDPSO-CD outperforms B&H and SAX-GA for all twenty stocks in which the tests were performed (pvalue < 0:05). Furthermore, the long-short operating strategy is better than that operating only in the long position. In the comparative study in eleven actions there was no statistical difference and in other seven long-short strategy outperforms (pvalue < 0:05).