Made available in DSpace on 2014-08-13T14:50:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2011-11-04Bitstream added on 2014-08-13T18:01:18Z : No. of bitstreams: 1 pagnin_af_me_sjrp.pdf: 656654 bytes, checksum: a36c07c3e11274be048901638e7344ba (MD5) / Neste trabalho abordamos o problema de identificação e caracterização do pterígio, uma neo-formação conjuntival triangular ou trapezoidal benigna, com causa exata ainda não definida, que potencialmente pode acarretar cegueira, como um primeiro passo para a criação de um sistema espe-cialista para auxílio ao diagnóstico utilizando a técnica de reconhecimento de padrões denominada Floresta de Caminhos Ótimos (OPF). Para a caracterização da doença, propomos a utilização de três técnicas de seleção de características as quais buscaram reduzir a quantidade de características utilizadas no reconhecimento, sem todavia, projudicar a acurácia do classificador. Essas técnicas nasceram da junção do OPF com técnicas de otimização já existentes como Otimização por Enxame de Partículas (PSO), Busca Harmônica (BH) e Algoritmo de Busca Gravitacional(GSA), resultando nos algoritmos híbridos PSO-OPF, BH-OPF e GSA-OPF, respectivamente. O banco de dados utili-zado neste trabalho é proveniente de um Projeto da Faculdade de Medicina da UNESP de Botucatu que visou a criação de uma Unidade Móvel para atendimento oftalmológico à comunidades da região de Botucatu. Esse banco de dados possui 89 características de 7,654 pacientes dos quais 682 são acometidos por pterígio e os 6,972 restantes não possuem a doença. As técnicas foram aplicadas à esse Banco de dados em dois momentos distintos. Inicialmente, buscando a identificação da doença, aplicamos o OPF juntamente com outros nove classificadores buscando somente a identificação do pterígio, dividindo a base de dados em 50 % para treinamento dos classificadores e os 50 % restantes para a classificação dos dados, num ciclo repetido 10 vezes, com esses conjuntos treinamento e classificação gerados aleatoriamente... (Resumo completo, clicar acesso eletrônico abaixo)

Made available in DSpace on 2014-06-11T19:24:01Z (GMT). No. of bitstreams: 0 Previous issue date: 2013-05-15Bitstream added on 2014-06-13T19:30:28Z : No. of bitstreams: 1 iwashita_as_me_sjrp.pdf: 872507 bytes, checksum: 3a65e582b2dc78e6845ccfe3ddc8aa3f (MD5) / Técnicas de reconhecimento de padrões têm como principal objetivo classificar um conjunto de amostras baseadas em um conhecimento a prioriou em alguma informação estatística obtida dessas amostras. Tal processo de aprendizado é a fase de maior consumo de tempo na grande maioria das técnicas de reconhecimento de padrõe. O problema ainda pode piorar em ferramentas de classificação interativas, nas quais o usuário é solicitado a rotular amostras que serão utilizadas para o treinamento, e após a classificação, os resultados podem ser refina-dos através de mais amostras rotuladas manualmente. Esta situação pode ser inaceitável para grandes bases de dados. Dado que muitos trabalhos tem sido orientados à implementação de vários algoritmos de reconhecimento de padrôes em ambiente General Purpose Graphics Processing Unit- GPGPU, o presente estudo objetivou a implementação da etapa de treinamento do classificador Floresta de Caminhos Ótimos em Compute Unified Device Architecture- CUDA visando aumentar a sua eficiência. Foi implementada uma otimização, do referido classificador utilizando os métodos tradicionais, ou seja, na Central Processing Unit- CPU, e demonstrou uma fase de treinamento cerca de duas vezes mais rápida que a versão original. A otimização do classificador em CUDA também demonstrou uma fase de treinamento mais rápida que a versão original / Pattern recognition techniques have as main objective to classify a set of samples ba-sed on a priori knowledge or statistical information obtained by these samples. This learning process is the most time-consuming phase in most pattern recognition techniques. The problem may become worse in interactive classification tools, in which the user is asked to label the samples that will be used for training, and after the classification, the results can be refined through more samples manually labeled. However, this may be unacceptable for large databa-ses. Since many studies have been oriented to the implementation of various pattern recognition algorithms on General Purpose Graphics Processing Unit - GPGPU environment, this study ai-med the implementation of the training stage of the Optimum-Path Forest classifier in Compute Unified Device Architecture - CUDA in order to increase its efficiency. We have implemented an optimization of that classifier using the traditional methods, i.e., on the Central Processing Unit - CPU, and it has demonstrated a training phase about two times faster than the original version. The classifier optimization in CUDA has also shown a training phase faster than the original version

Orientador: João Paulo Papa / Coorientador: Alexandro José Baldassin / Banca: Antonio Carlos Sementille / Banca: Alexandre Luís Magalhães Levada / Resumo: Técnicas de reconhecimento de padrões têm como principal objetivo classificar um conjunto de amostras baseadas em um conhecimento a prioriou em alguma informação estatística obtida dessas amostras. Tal processo de aprendizado é a fase de maior consumo de tempo na grande maioria das técnicas de reconhecimento de padrõe. O problema ainda pode piorar em ferramentas de classificação interativas, nas quais o usuário é solicitado a rotular amostras que serão utilizadas para o treinamento, e após a classificação, os resultados podem ser refina-dos através de mais amostras rotuladas manualmente. Esta situação pode ser inaceitável para grandes bases de dados. Dado que muitos trabalhos tem sido orientados à implementação de vários algoritmos de reconhecimento de padrôes em ambiente General Purpose Graphics Processing Unit- GPGPU, o presente estudo objetivou a implementação da etapa de treinamento do classificador Floresta de Caminhos Ótimos em Compute Unified Device Architecture- CUDA visando aumentar a sua eficiência. Foi implementada uma otimização, do referido classificador utilizando os métodos tradicionais, ou seja, na Central Processing Unit- CPU, e demonstrou uma fase de treinamento cerca de duas vezes mais rápida que a versão original. A otimização do classificador em CUDA também demonstrou uma fase de treinamento mais rápida que a versão original / Abstract: Pattern recognition techniques have as main objective to classify a set of samples ba-sed on a priori knowledge or statistical information obtained by these samples. This learning process is the most time-consuming phase in most pattern recognition techniques. The problem may become worse in interactive classification tools, in which the user is asked to label the samples that will be used for training, and after the classification, the results can be refined through more samples manually labeled. However, this may be unacceptable for large databa-ses. Since many studies have been oriented to the implementation of various pattern recognition algorithms on General Purpose Graphics Processing Unit - GPGPU environment, this study ai-med the implementation of the training stage of the Optimum-Path Forest classifier in Compute Unified Device Architecture - CUDA in order to increase its efficiency. We have implemented an optimization of that classifier using the traditional methods, i.e., on the Central Processing Unit - CPU, and it has demonstrated a training phase about two times faster than the original version. The classifier optimization in CUDA has also shown a training phase faster than the original version / Mestre

Neste trabalho, buscou-se compreender a morfologia e os componentes do sinal da deglutição. Na busca desse entendimento diversas técnicas foram empregadas. No intuito de fazer marcações fidedignas em trechos específicos do sinal, o qual foi analisado simultaneamente com a imagem da videofluoroscopia da deglutição, considerado o melhor método atual na avaliação da dinâmica da deglutição. Os parâmetros numéricos utilizados para análise também foram abrangentes e com base em técnicas atuais de processamento de sinais, como emprego de transformada Wavelet. Quanto à classificação dos sinais, foram utilizados classificadores modernos como floresta de caminhos ótimos, máquinas de vetores de suporte, redes neurais artificiais e classificador Bayesiano, dando maior ênfase ao primeiro, por possuir um custo computacional bem menor quando comparado aos outros 3, e consequentemente convergindo mais rapidamente ao resultado. Foram avaliados 84 sinais, divididos em 2 grupos separados pela consistência do bolo alimentar oferecido (líquido e pastoso). Na distinção e/ou caracterização desses tipos foi definido um subconjunto com 4 variáveis que proporcionou uma boa acurácia na separação das classes representantes de cada tipo de bolo alimentar. / This work proposes to understand the morphology and the components of the swallowing signal. In pursuit of this understanding, a variety of techniques were employed. In order to make reliable markings on specific portions of the signal, the signal was examined simultaneously with videofluoroscopic swallowing, which is considered the best method in the evaluation of swallowing dynamics. The parameters used for numerical analysis were based on current signal processing techniques, such as: Wavelet transform, Optimum path forest, Support vector machines, Artificial neural networks and Bayesian classifier, emphasizing the first technique, due to a much lower computational cost when compared to the previous, and, consequently, the results converged much faster. Eighty four signals, divided into 2 groups separated by the consistency of food bolus offered (liquid and thickened), were evaluated. For distinction and/or characterization of such types, a subset with 4 variables was defined, providing a good accuracy in the separation of these classes representing each type of consistency of the food bolus.

Neste trabalho, buscou-se compreender a morfologia e os componentes do sinal da deglutição. Na busca desse entendimento diversas técnicas foram empregadas. No intuito de fazer marcações fidedignas em trechos específicos do sinal, o qual foi analisado simultaneamente com a imagem da videofluoroscopia da deglutição, considerado o melhor método atual na avaliação da dinâmica da deglutição. Os parâmetros numéricos utilizados para análise também foram abrangentes e com base em técnicas atuais de processamento de sinais, como emprego de transformada Wavelet. Quanto à classificação dos sinais, foram utilizados classificadores modernos como floresta de caminhos ótimos, máquinas de vetores de suporte, redes neurais artificiais e classificador Bayesiano, dando maior ênfase ao primeiro, por possuir um custo computacional bem menor quando comparado aos outros 3, e consequentemente convergindo mais rapidamente ao resultado. Foram avaliados 84 sinais, divididos em 2 grupos separados pela consistência do bolo alimentar oferecido (líquido e pastoso). Na distinção e/ou caracterização desses tipos foi definido um subconjunto com 4 variáveis que proporcionou uma boa acurácia na separação das classes representantes de cada tipo de bolo alimentar. / This work proposes to understand the morphology and the components of the swallowing signal. In pursuit of this understanding, a variety of techniques were employed. In order to make reliable markings on specific portions of the signal, the signal was examined simultaneously with videofluoroscopic swallowing, which is considered the best method in the evaluation of swallowing dynamics. The parameters used for numerical analysis were based on current signal processing techniques, such as: Wavelet transform, Optimum path forest, Support vector machines, Artificial neural networks and Bayesian classifier, emphasizing the first technique, due to a much lower computational cost when compared to the previous, and, consequently, the results converged much faster. Eighty four signals, divided into 2 groups separated by the consistency of food bolus offered (liquid and thickened), were evaluated. For distinction and/or characterization of such types, a subset with 4 variables was defined, providing a good accuracy in the separation of these classes representing each type of consistency of the food bolus.

Orientador: João Paulo Papa / Banca: Helena de Medeiros Caseli / Banca: Aparecido Nilceu Marana / Resumo: A disponibilidade cada vez maior de dados em domínio textual tem motivado o desenvolvimento de técnicas baseadas em Processamento de Linguagem Natural para extrair informações estruturadas desse meio. Particularmente,técnicas de Análise de Sentimento permitem identificar a emoção presente em um fragmento de texto e podem ser utilizadas para diferentes fins, seja priorizar o atendimento de clientes insatisfeitos ou aferir o satisfação do interlocutor durante uma conversa. No que concerne ao uso desse tipo de técnica em diálogos, trabalhos na literatura mostram que considerar informações extraídas de mensagens antecessoras para classificar a atual leva a melhores resultados, seja para a identificação de interlocutores ou intenção das mensagens. Todavia, essa abordagem ainda não tem sido largamente empregada para a Análise de Sentimento e, quando utilizada, a mesma não alia a robustez dos word embeddings, técnica desenvolvida recentemente, com os rótulos preditos no passado, mas considera apenas o histórico de características extraídas anteriormente. O presente trabalho propõe o desenvolvimento de um modelo baseado em aprendizado de máquina para a Análise de Sentimento em conversas no domínio textual ao levar em consideração seu contexto. Essa fonte de informação pode ser explorada ao considerar rótulos de mensagens anteriores, suas características, a identidade dos interlocutores e como as palavras são combinadas em cada mensagem. Resultados experimentais mostram que estes aspectos... / Abstract: The increasing availability of data in the textual domain has motivated the development of techniques based on Natural Language Processing to extract structured information from this domain. More specifically, Sentiment Analysis allows identifying the emotion present in a fragment of text and can be used with different goals, for instance, prioritizing the service of dissatisfied customers and assessing the interlocutor satisfaction in a conversation. Regarding the use of this type of technique in dialogues, works in the literature show that considering information extracted from previous messages when classifying the current sample leads to better results, either for identification of interlocutors or for message intent classification. However, this approach has not been widely adopted on Sentiment Analysis and when used it does not exploit the robustness of there cently developed word embeddings representation along with the labels predicted in the past but only the history of features previously extracted. The present work proposes the development of a machine learning model for Sentiment Analysis on textual conversations that considers their context. This source of information can be exploited by considering labels from previous messages and their features, the identity of the speakers, and how words are combined in each message. Experimental results show that these aspects allow outperforming the current state of the art on four different datasets / Mestre

Made available in DSpace on 2015-09-17T15:26:05Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-04-24. Added 1 bitstream(s) on 2015-09-17T15:46:09Z : No. of bitstreams: 1 000844236.pdf: 13797373 bytes, checksum: 8e467592ca31309a8f996a74e49f293a (MD5)

Submitted by GUILHERME BRANDÃO MARTINS null (guilherme-bm@outlook.com) on 2016-06-09T18:22:45Z No. of bitstreams: 1 Dissertacao_Guilherme_Brandão_Martins.pdf: 11362535 bytes, checksum: c1da2ab3e80ead0846eae49d9a1bc40e (MD5) / Approved for entry into archive by Ana Paula Grisoto (grisotoana@reitoria.unesp.br) on 2016-06-13T17:06:19Z (GMT) No. of bitstreams: 1 martins_gb_me_sjrp.pdf: 11362535 bytes, checksum: c1da2ab3e80ead0846eae49d9a1bc40e (MD5) / Made available in DSpace on 2016-06-13T17:06:19Z (GMT). No. of bitstreams: 1 martins_gb_me_sjrp.pdf: 11362535 bytes, checksum: c1da2ab3e80ead0846eae49d9a1bc40e (MD5) Previous issue date: 2016-05-20 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Com os avanços relacionados às tecnologias de redes computacionais e armazenamento de dados observa-se que, atualmente, uma grande quantidade de conteúdo digital está sendo disponibilizada via internet, em especial por meio de redes sociais. A fim de explorar esse contexto, abordagens relacionadas ao processamento e apredizado de padrões em vídeos têm recebido crescente atenção nos últimos anos. Sistemas de recomendação de filmes, amplamente empregados em lojas virtuais, são umas das principais aplicações no que se refere aos avanços de pesquisa na área de processamento de vídeos. Com o objetivo de acelerar o processo de recomendação e redução de armazenamento, técnicas para classificação e sumarização de vídeos por meio de aprendizado de máquina têm sido utilizadas com o intuito de explorar conteúdo informativo e também redundante. Por meio de técnicas de agrupamento e descrição de dados, é possível identificar quadros-chave de um conjunto de amostras a fim de que, posteriormente, estes sejam usados para sumarização do vídeo. Além disso, por meio de bases de vídeos rotuladas, podemos classificar amostras de modo a organizá-las por gêneros de vídeo. O presente trabalho objetiva utilizar o classificador Floresta de Caminhos Ótimos para sumarização automática e classificação de vídeos por gênero, bem como o estudo de sua viabilidade nestes contextos. Os resultados obtidos mostram que o referido classificador obteve desempenhos bastante promissores e próximos à algumas das técnicas de sumarização automática e classificação de vídeos que, atualmente, representam o estado-da-arte no atual contexto. / Currently, a number of improvements related to computational networks and data storage technologies have allowed a considerable amount of digital content to be provided on the internet, mainly through social networks. In order to exploit this context, video processing and pattern recognition approaches have received a considerable attention in the last years. Movie recommendation systems are widely employed in virtual stores, thus being one of the main applications regarding to research advances in the video processing field. Aiming to boost the content recommendation and storage cutback, different video categorization and video summarization techniques have been applied to handle with more informative and redundant content. By availing clustering and data description techniques, it is possible to identify keyframes from a given sample collection in order to consider them as part of the video summarization process. Furthermore, through labeled video data collections it is possible to classify samples in order to arrange them by video genres. The main goal of this work is to employ the Optimum-Path Forest classifier in both video summarization and video genre classification processes as well as to conduct a viability study of such classifier in the aforementioned contexts. The results have shown this classifier can achieve promising performances, being very close in terms of summary quality and consistent recognition rates to some state-of-the-art video summarization and classification approaches.

Orientador: Luís Roberto Almeida Gabriel Filho / Coorientador: Luiz Fernando Sommaggio Coletta / Coorientador: Camila Pires Cremasco Gabriel / Resumo: O presente trabalho buscou identificar padrões na produção de cana de por meio da utilização de Inteligência Artificial. Para tanto, foi realizada coleta de informações de fontes secundárias, com dados estatísticos fornecidos por órgãos públicos sobre a área cultivada e a produção de cana de açúcar, índices como pluviométricos e de temperatura e o tipo de solo dos municípios do estado de São Paulo, no ano de 2017, por meio de pesquisa documental. Com a utilização dos métodos Floresta dos Caminhos Ótimos (OPF), K-means e Fuzzy C-means (FCM) buscou-se identificar clusters, ou padrões, que representem essas características produtivas. Além disso, o trabalho testou a utilização do algoritmo OPF como ferramenta de apoio à decisão no setor agroindustrial e fez a comparação do método com os agrupadores de padrões K-means e FCM. Após o processamento dos dados foi possível identificar padrões na produção de cana de açúcar pelos três algoritmos, sendo que o OPF proporcionou resultados muito parecidos com o K-means e FCM, confirmando a eficiência do método. Além disso, foi possível identificar, no ano de 2017, um padrão de produção com municípios com alta produtividade, grandes áreas destinadas a produção de cana de açúcar e produção da cultura, com temperatura média alta e índices pluviométricos baixos. Os municípios que possuem pequenas áreas com plantação de cana de açúcar possuem uma variabilidade muito grande em resultados de produtividade. O padrão de município com baixa produtivi... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The present work sought to identify patterns in sugarcane production through the use of Artificial Intelligence. For this purpose, information was collected from secondary sources, with statistical data provided by public agencies on cultivated area and sugarcane production, rainfall and temperature indices, and the soil type of the municipalities of the State of São Paulo, in the year 2017, through documentary research. Using Optimum-Path Forest (OPF), K-means and Fuzzy C-means (FCM) methods, the aim was to identify clusters, or patterns, that represent these productive characteristics. In addition, the work tested the use of OPF algorithm as a decision support tool in the agribusiness sector and compared the method with the K-means and FCM standards groupers. After data processing, it was possible to identify patterns in sugarcane production by the three algorithms, and OPF provided results very similar to K-means and FCM, confirming the efficiency of the method. In addition, it was possible to identify, in the year 2017, a production pattern of municipalities with high productivity, large areas destined to the production of sugar cane and crop production, with high average temperature and low rainfall. Municipalities that have small areas with sugar cane plantation have a very large variability in productivity results. The municipal pattern with low productivity is accompanied by very low average temperature, very high rainfall rates and soils of the type Cambisols, Neosols and Spodosols. The soil type pattern that provided the highest productivity for the municipalities was the Oxisol. / Mestre

Made available in DSpace on 2015-03-03T11:52:41Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-02-24Bitstream added on 2015-03-03T12:06:08Z : No. of bitstreams: 1 000804349.pdf: 687208 bytes, checksum: 513575bcf70cbc15996bc5c0fdb99657 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Técnicas para seleção de características tem sido amplamente estudadas pela comunidade científica de reconhecimento de padrões e areas afins, dado que o problema de encontrar o subconjunto das características que maximiza a taxa de acerto de uma técnica de classificação de padrões pode ser modelado como um problema de otimização. Metodologias baseadas em inteligência evolucionista, tais como aquelas que simulam dinâmicas sociais e de interação entre morcegos, algumas espécies de aves e outros insetos, tem sido recentemente aplicadas nesse contexto. Assim sendo, o presente trabalho visou o estudo e desenvolvimento de técnicas de seleção de características utilizando abordagens de otimização evolucionistas, sendo elas: BBA - Binary Bat Algorithm, BCSS - Binary Charged System Search, BCS - Binary Cuckoo Search, BKH - Binary Krill Herd e BSSO - Binary Social-Spider Optimization. Experimentos realizados em seis bases de dados utilizando as técnicas propostas em conjunto com outras cinco técnicas (BGA - Binary Genetic Algorithm, BPSO - Binary Particle Swarm Optimization, BFA - Binary Fire y Algorithm, BGSA - Binary Gravitational Search Algorithm, BHS - Binary Harmony Search) mostraram a eficácia das técnicas evolucionistas propostas quando utilizadas em conjunto com o classificador OPF. O BSSO - Binary Social-Spider Optimization apresentou a melhor acurácia em 3 bases, chegando a aumentar a taxa de acerto do classificador OPF em até 19%, bem como, selecionou o menor número de características em cinco das seis bases. Em relação ao tempo de execuçãao, o BKH - Binary Krill Herd obteve o segundo melhor tempo em cinco bases, ficando atrás somente do BHS - Binary Harmony Search / Techniques for feature selection have been widely studied by the pattern recognition scientific community and related fields, as the problem of finding the subset of features that maximizes the classifier rate can be modeled as a optimization problem. Methodologies based on evolutionary intelligence, such as those that simulate social dynamics and interaction between bats, some species of birds and other insects, have recently been applied in this context. Therefore, this work aimed to the study and development of feature selection techniques using evolutionary optimization approaches: BBA - Binary Bat Algorithm, BCSS - Binary Charged System Search, BCS - Binary Cuckoo Search, BKH - Binary Krill Herd e BSSO - Binary Social-Spider Optimization. Experiments conducted in six databases using the proposed techniques together with ve other techniques (BGA - Binary Genetic Algorithm, BPSO - Binary Particle Swarm Optimization, BFA - Binary Fire y Algorithm, BGSA - Binary Gravitational Search Algorithm, BHS - Binary Harmony Search) have shown the efiectiveness of proposed evolutionary techniques when used with the OPF classifier. The BSSO - Binary Social-Spider Optimization showed the best accuracy on 3 datasets coming to increase the OPF classification rate in up to 19%. Also, SSO has selected the smallest number features in ve of the six datasets. Regarding the runtime, BKH - Binary Krill Herd was the second fastest technique in ve datasets, being only slower then BHS - Binary Harmony Search technique