In this thesis study, a new method for automatic recognition of intrapulse modulations has been proposed. This new method deals the problem of modulation recognition with a feature-based approach. The features used to recognize the modulation type are Instantaneous Frequency, Instantaneous Bandwidth, Amplitude Modulation Depth, Box Dimension and Information Dimension. Instantaneous Bandwidth and Instantaneous Frequency features are extracted via Autoregressive Spectrum Modeling. Amplitude Modulation Depth is used to express the depth of amplitude change on the signal. The other features, Box Dimension and Information Dimension, are extracted using Fractal Theory in order to classify the modulations on signals depending on their shapes. A modulation database is used in association with Fractal Theory to decide on the modulation type of the analyzed signal, by means of a distance metric among fractal dimensions. Utilizing these features in a hierarchical flow, the new modulation recognition method is achieved. The proposed method has been tested for various intrapulse modulation types. It has been observed that the method has acceptably good performance even for low SNR cases and for signals with small PW.

FundaÃÃo de Amparo à Pesquisa do Estado do Cearà / A metÃfora sempre ocupou um lugar de destaque nos estudos do significado e, com o avanÃo das pesquisas em LinguÃstica Cognitiva, essa figura apresenta-se mais evidente quando posta em relaÃÃo com a metonÃmia, que ganha pouco destaque nas pesquisas acadÃmicas. Nesse contexto, a presente pesquisa tem como objetivos: (i) estabelecer a primazia da metonÃmia sobre a metÃfora por meio da anÃlise dinÃmica do discurso dos participantes de grupos focais, ao discutirem a violÃncia urbana na cidade de Fortaleza; (ii) verificar se as relaÃÃes metonÃmicas dÃo-se tanto em nÃvel contextual como de enunciado; e (iii) demonstrar que as metonÃmias sÃo responsÃveis pela emergÃncia de grande parte dos veÃculos metafÃricos, tÃo importantes para a construÃÃo do sentido. Para tanto, fez-se necessÃrio discutir as principais abordagens dos fenÃmenos à luz da teoria dos Sistemas DinÃmicos Complexos, ancorados em Larsen-Freeman (1997); Larsen-Freeman e Cameron (2008), na teoria fractal, com fundamentos em Paiva (2010) e Mandelbrot (1982), assim como Capra (2006). Esse referencial teÃrico serviu de base para verificarmos a hipÃtese de que grande parte das metÃforas serà oriunda de metonÃmia e de que as relaÃÃes que contribuem para a emergÃncia dessa figura deram-se tanto em nÃvel contextual como de enunciado, surgindo de forma fragmentada no discurso real dos participantes dos grupos focais. AlÃm disso, a pesquisa propÃe-se tambÃm a descrever o processo de conceitualizaÃÃo da violÃncia urbana com base nos critÃrios do paradigma da complexidade, mostrando sua importÃncia para as atuais pesquisas. Para dar consistÃncia à nossa discussÃo, embasamo-nos em autores como Goosens (1990, 1995), Barcelona (1997) e Radden (2003) que tambÃm discutem a complexa relaÃÃo entre metÃfora e metonÃmia. Nosso estudo està pautado em uma pesquisa qualitativa e teÃrica, que nos permite refletir acerca da primazia da metonÃmia em relaÃÃo à metÃfora, analisando a transcriÃÃo de trÃs grupos focais que discutiram a questÃo da violÃncia urbana na cidade de Fortaleza-CE. A anÃlise permitiu constatar, atà o momento que, em alguns casos, no processo de conceitualizaÃÃo da violÃncia urbana, a metÃfora tem procedÃncia na metonÃmia, visto que as relaÃÃes que estruturam a metonÃmia, como parte pelo todo, instituiÃÃo pelos responsÃveis, efeito pela causa, entre outros, permeiam tanto o enunciado como o contexto da discussÃo dos participantes dos grupos focais. Isso nos fez chegar à conclusÃo de que uma sÃrie de metÃforas provÃm de metonÃmias o que mostra que, apesar de a metÃfora e a metonÃmia interagirem entre si, em alguns casos, hà primazia desta sobre aquela. / The metaphor has always occupied an important place in meaning studies and with the advances on Cognitive Linguistics researches this figure presents itself more evident when put in relation with metonym, which has less importance on academic researches. In this context, this very work aims: (i) establish the primacy of metonym over metaphor by the dynamic discourse analysis of focal group participants when discussing urban violence in the city of Fortaleza; (ii) verify if the metonymic relations appear both in context and wording; and (iii) demonstrate that metonyms are responsible for the emerging of great part of metaphorical vehicles, so important to the construction of meaning. Thus, it was necessary to discuss the main approaches of these phenomena in light of Complex Dynamic Systems theory, anchored on Larsen-Freeman (1997); Larsen-Freeman e Cameron (2008), on fractal theory, based in Paiva (2010) e Mandelbrot (1982), as Capra (2006). This theoretical reference served as base to verify the hypothesis that great part of metaphors emerge from metonyms and that the relations contribute to the emerging of that both contextual and wording levels arise fragmented in the real discourse of focal group participants. Furthermore, the research proposes itself to also describe the process of conceptualization of urban violence based in the criteria of complexity paradigm, showing its importance to the current researches. To give consistency to that discussion we based ourselves in authors such as Goosens (1990, 1995), Barcelona (1997) and Radden (2003), who also discuss the complex relation between metaphor and metonym. Our study is ruled by a qualitative and theoretical research that allows us to reflect about the primacy of metonym over metaphor, analyzing the transcription of three focal groups that discussed the urban violence in the city of Fortaleza. The analysis allowed until this moment the ascertainment that in some cases, in the process of conceptualization, the metaphor arises from metonym, as relations that structure metonym, such as take a tree for a forest, institution for its responsible ones, effect by cause, permeate both wording and context of the discussion of the focal group participants. This made us come to the conclusion that a series of metaphors come from metonyms, what shows that although metaphor and metonym interact themselves, there is a primacy of the second over the first in some cases.

Given a very large dataset of moderate-to-high dimensionality, how to mine useful patterns from it? In such cases, dimensionality reduction is essential to overcome the well-known curse of dimensionality. Although there exist algorithms to reduce the dimensionality of Big Data, unfortunately, they all fail to identify/eliminate non-linear correlations that may occur between the attributes. This MSc work tackles the problem by exploring concepts of the Fractal Theory and massive parallel processing to present Curl-Remover, a novel dimensionality reduction technique for very large datasets. Our contributions are: (a) Curl-Remover eliminates linear and non-linear attribute correlations as well as irrelevant attributes; (b) it is unsupervised and suits for analytical tasks in general not only classification; (c) it presents linear scale-up on both the data size and the number of machines used; (d) it does not require the user to guess the number of attributes to be removed, and; (e) it preserves the attributes semantics by performing feature selection, not feature extraction. We executed experiments on synthetic and real data spanning up to 1.1 billion points, and report that our proposed Curl-Remover outperformed two PCA-based algorithms from the state-of-the-art, being in average up to 8% more accurate. / Dada uma grande base de dados de dimensionalidade moderada a alta, como identificar padrões úteis nos objetos de dados? Nesses casos, a redução de dimensionalidade é essencial para superar um fenômeno conhecido na literatura como a maldição da alta dimensionalidade. Embora existam algoritmos capazes de reduzir a dimensionalidade de conjuntos de dados na escala de Terabytes, infelizmente, todos falham em relação à identificação/eliminação de correlações não lineares entre os atributos. Este trabalho de Mestrado trata o problema explorando conceitos da Teoria de Fractais e processamento paralelo em massa para apresentar Curl-Remover, uma nova técnica de redução de dimensionalidade bem adequada ao pré-processamento de Big Data. Suas principais contribuições são: (a) Curl-Remover elimina correlações lineares e não lineares entre atributos, bem como atributos irrelevantes; (b) não depende de supervisão do usuário e é útil para tarefas analíticas em geral não apenas para a classificação; (c) apresenta escalabilidade linear tanto em relação ao número de objetos de dados quanto ao número de máquinas utilizadas; (d) não requer que o usuário sugira um número de atributos para serem removidos, e; (e) mantêm a semântica dos atributos por ser uma técnica de seleção de atributos, não de extração de atributos. Experimentos foram executados em conjuntos de dados sintéticos e reais contendo até 1,1 bilhões de pontos, e a nova técnica Curl-Remover apresentou desempenho superior comparada a dois algoritmos do estado da arte baseados em PCA, obtendo em média até 8% a mais em acurácia de resultados.

Orientador: Marcio Luiz de Andrade Netto / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-08T10:53:36Z (GMT). No. of bitstreams: 1 Peres_SarajaneMarques_D.pdf: 11492142 bytes, checksum: 7eeb4f81f681e145111b43ccfdde2b7e (MD5) Previous issue date: 2006 / Resumo: Redes Neurais Artificiais Auto-Organizáveis (RNA-AO), introduzidas por Teuvo Kohonen na década de 60, constituem uma poderosa ferramenta para análise de dados, mais especificamente para análise de agrupamentos, visualização e aproximação de superfícies. Nesta tese definiu-se uma nova forma para determinar a dimensão topológica do espaço de saídada RNA-AO a partir da análise do conjunto de dados a ser explorado pela rede, realizada como apoio combinado da Teoria de Fractais e do Raciocínio Aproximado Fuzzy. Ao combinar essas duas teorias, concebeu-se uma nova medida de dimensão fractal, a medida de Dimensão Fractal Fuzzy Significativa (DFFS) de um conjunto de dados. Tanto o processo de determinação da DFFS quanto sua aplicação como inferência da dimensãotopológica para a RNA-AO foram validados neste trabalho. O primeiro por meio de sua aplicação ao problema de Tendência a Agrupamentos e o segundo por meio da análise de qualidade das RNAs-AO projetadas segundo tal inferência / Abstract: Self Organizing Maps (SOM), introduced by Teuvo Kohonen during the decade of 1960's, is a powerful tool for data analysis, mainly for clustering analysis and surface approximation. In this thesis, we have defined a new way to determine the output space topological dimension of the SOM using the analysis of the dataset to be explored by the map. This analysis is carried out with the combined support of the Fractal Theory and the Fuzzy Approximated Reasoning, deriving a new fractal dimension measure: the Meaningful Fractal Fuzzy Dimension - DFFS (of the Portuguese "Dimensão Fractal:..Fuzzy Significativa"). The DFFS determination process and its application as an inference to the SOM topological dimension have been both validated in this work. The former has been carried out through its application to the Clustering Tendency Analysis and the latter through the quality analysis of the SOM designed by such inference / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Made available in DSpace on 2016-06-02T19:06:13Z (GMT). No. of bitstreams: 1 5984.pdf: 1962060 bytes, checksum: d943b973e9dd5f12ab87985f7388cb80 (MD5) Previous issue date: 2014-03-24 / Financiadora de Estudos e Projetos / A data stream is generated in a fast way, continuously, ordered, and in large quantities. To process data streams there must be considered, among others factors, the limited use of memory, the need of real-time processing, the accuracy of the results and the concept drift (which occurs when there is a change in the concept of the data being analyzed). Decision tree is a popular form of representation of the classifier, that is intuitive and fast to build, generally obtaining high accuracy. The techniques of incremental decision trees present in the literature generally have high computational costs to construct and update the model, especially regarding the calculation to split the decision nodes. The existent methods have a conservative characteristic to deal with limited amounts of data, tending to improve their results as the number of examples increases. Another problem is that many real-world applications generate data with noise, and the existing techniques have a low tolerance to these events. This work aims to develop decision tree methods for data streams, that supply the deficiencies of the current state of the art. In addition, another objective is to develop a technique to detect concept drift using the fractal theory. This functionality should indicate when there is a need to correct the model, allowing the adequate description of most recent events. To achieve the objectives, three decision tree algorithms were developed: StARMiner Tree, Automatic StARMiner Tree, and Information Gain StARMiner Tree. These algorithms use a statistical method as heuristic to split the nodes, which is not dependent on the number of examples and is fast. In the experiments the algorithms achieved high accuracy, also showing a tolerant behavior in the classification of noisy data. Finally, a drift detection method was proposed to detect changes in the data distribution, based on the fractal theory. The method, called Fractal Detection Method, detects significant changes on the data distribution, causing the model to be updated when it does not describe the data (becoming obsolete). The method achieved good results in the classification of data containing concept drift, proving to be suitable for evolutionary analysis of data. / Um data stream e gerado de forma rápida, contínua, ordenada e em grande quantidade. Para o processamento de data streams deve-se considerar, dentre outros fatores, o uso limitado de memoria, a necessidade de processamento em tempo real, a precisão dos resultados e o concept drift (que ocorre quando há uma mudança no conceito dos dados que estão sendo analisados). À arvore de decisão e uma popular forma de representação do modelo classificador, intuitiva, e rápida de construir, geralmente possuindo alta acurada. Às técnicas de arvores de decisão incrementais presentes na literatura geralmente apresentam um alto custo computacional para a construção e atualização do modelo, principalmente no que se refere ao calculo para a decisão de divisão dos nós. Os métodos existentes possuem uma característica conservadora para lidar com quantidades de dados limitadas, tendendo a melhorar seus resultados conforme o número de exemplos aumenta. Outro problema e a geração dos dados com ruídos por muitas aplicações reais, pois as técnicas existentes possuem baixa tolerância a essas ocorrências. Este trabalho tem como objetivo o desenvolvimento de métodos de arvores de decisão para data streams, que suprem as deficiências do atual estado da arte. Além disso, outro objetivo deste projeto e o desenvolvimento de uma funcionalidade para detecção de concept drift utilizando a teoria dos fractais, corrigindo o modelo sempre que necessário, possibilitando a descrição correta dos acontecimentos mais recentes dos dados. Para atingir os objetivos foram desenvolvidos três algoritmos de arvore de decisão: o StÀRMiner Tree, o Àutomatic StÀRMiner Tree, e o Information Gain StÀR-Miner Tree. Esses algoritmos utilizam um método estatístico como heurística de divisão de nós, que não é dependente do numero de exemplos lidos e que e rápida. Os algoritmos obtiveram alta acurácia nos experimentos realizados, mostrando também um comportamento tolerante na classificação de dados ruidosos. Finalmente, foi proposto um método para a detecção de mudanças no comportamento dos dados baseado na teoria dos fractais, o Fractal Drift Detection Method. Ele detecta mudanças significativas na distribuicao dos dados, fazendo com que o modelo seja atualizado sempre que o mesmo não descrever os dados atuais (se tornar obsoleto). O método obteve bons resultados na classificação de dados contendo concept drift, mostrando ser adequado para a análise evolutiva dos dados.

The topic of this doctoral thesis is to study the thermal properties of PCM materials and discussion of their use for cooling of photovoltaic systems. The aim of the study is to measure and characterize the thermal properties of commercial PCM materials (Micronal®), their practical use is related to the phase transitions. The behavior of bulk materials at different temperatures is well described theoretically and experimentally verified. For the application use it is necessary to examine and determine the thermal properties of PCM materials depending on the phase transitions during heating and cooling. To study the thermal properties of materials the known transient methods of measuring are used which give full information about the behavior of the materials investigated in dependence on the temperature and thus allow the determination of the thermo-physical parameters of the system. For the transient measurements there are used especially pulse transient and step wise method. Newly is used also combination of linear temperature rise (the ramp wise) and the step wise method. The principle is based on the generation of a small amount of heat inside the studied sample and it is measured the thermal response of the system from which it may be then determined the necessary thermo-physical parameters. The theoretical part of this thesis focuses on characterization of methods for the determination of thermo-physical parameters of the investigated material. In the experimental part of the approached process of experiment, the results, the method of evaluation of the obtained data and also the discussion of results from the viewpoint of potential applications are presented.