The world’s increasing interconnectedness and the recent increase in the number of notable regional and international events pose greater and greater challenges for political decision-making, especially the decision to strengthen bilateral economic relationships between friendly nations. Typically, such critical decisions are influenced by certain factors and variables that are based on heterogeneous and vague information that exists in different domains. A serious problem that the decision-maker faces is the difficulty in building efficient political decision support systems (DSS) with heterogeneous factors. One must take many factors into account, for example, language (natural or human language), the availability, or lack thereof, of precise data (vague information), and possible consequences (rule conclusions). The basic concept is a linguistic variable whose values are words rather than numbers and are therefore closer to human intuition. A common language is thus needed to describe such information which requires human knowledge for interpretation. To achieve robustness and efficiency of interpretation, we need to apply a method that can be used to generate high-level knowledge and information integration. Fuzzy logic is based on natural language and is tolerant of imprecise data. Fuzzy logic’s greatest strength lies in its ability to handle imprecise data, and it is perfectly suited for this situation. In this thesis, we propose to use ontology to integrate the scattered information resources from the political and investment domains. The process started with understanding each concept and extracting key ideas and relationships between sets of information by constructing object paradigm ontology. Re-engineering according to the object-paradigm (OP) provided quality for the developed ontology where conceptualization can provide more expressive, reusable object and temporal ontology. Then fuzzy logic has been integrated with ontology. And a fuzzy ontology membership value that reflects the strength of an inter-concept relationship to represent pairs of concepts across ontology has been consistently used. Each concept is assigned a fixed numerical value representing the concept consistency. Concept consistency is computed as a function of strength of all the relationships associated with the concept. Fuzzy expert systems enable one to weigh the consequences (rule conclusions) of certain choices based on vague information. Rule conclusions follow from rules composed of two parts, the if antecedent (input) and the then consequent (output). With fuzzy expert systems, one uses fuzzy logic toolbox graphical user interface (GUI) tools to build up a fuzzy inference system (FIS) to aid in decision-making. This research includes four main phases to develop a prototype architecture for an intelligent DSS that can help top political decision makers.

No description available.

Made available in DSpace on 2016-06-02T19:05:39Z (GMT). No. of bitstreams: 1 2678.pdf: 1011961 bytes, checksum: 56ce59626f47482db442d90928c6a0a4 (MD5) Previous issue date: 2009-09-10 / Web sites in different areas are accessed by users with the many purposes. Several strategies have been developed and employed to improve and facilitate website access and navigation. Among these strategies there are those used to grant competitive advantages over concurrent sites, based on services of content personalization. Today, with the growth of computer networks and the emergence of ubiquitous computing, this personalization must take into account that the content of the sites can also be accessed through mobile devices. Motivated by these ideas, in this project it was developed a process in which site architectures are driven by personalization and personalized content is delivered to site users. This process, called SADP (Site Personalization by Driven Architecture), is based not only on navigation history and preferences expressed or detected by the users, but also on context information, device and network types and the site content itself. The SADP uses profiles contain information about user preferences, networks and devices used to site access. The information used to build profiles are obtained through implicit metrics, and treated using a Fuzzy Ontology. A module of Fuzzy Inference over Ontology is used to extend the user preferences. A framework for content adaptation is used to generate a site architecture based on profiles. The differential of the SADP process is that it drives the architecture of site content pages aiming to provide personalized services to the users. / Sites na Web, de diferentes domínios, são acessados por usuários com as mais variadas finalidades. Diversas estratégias têm sido desenvolvidas e empregadas para melhorar e facilitar o acesso e a navegação de sites. Entre essas estratégias destacam-se as que visam obter vantagens competitivas em relação aos sites concorrentes, através de serviços de personalização de conteúdo. Hoje, com o avanço das redes de computadores e o surgimento da computação ubíqua, essa personalização deve considerar que os conteúdos dos sites podem ser acessados também através de dispositivos móveis. Motivados por essas idéias, foi desenvolvido um processo no qual a arquitetura do site é dirigida pela personalização, entregando conteúdo personalizado e adaptado aos usuários de sites. Esse processo, denominado SADP (Site Architecture Driven by Personalization), baseia-se não apenas no histórico de navegação e nas preferências detectadas ou manifestadas pelo usuário, mas também em informações de contexto, tipos dos dispositivos e de redes de acesso utilizado e no próprio conteúdo apresentado. O SADP utiliza perfis com informações das preferências dos seus usuários, redes e dispositivos de acessos ao site. Essas informações para construção dos perfis são obtidas através de métricas implícitas, e tratadas utilizando-se Ontologia Difusa. Um módulo de Inferência sobre Ontologia Difusa é utilizado para estender as preferências dos usuários. Um framework para adaptação de conteúdo é utilizado, para gerar a arquitetura do site com base nos perfis. O processo destaca-se por dirigir a arquitetura das páginas de conteúdos do site no sentido de proporcionar serviços personalizados para os seus usuários.

Made available in DSpace on 2016-06-02T19:03:58Z (GMT). No. of bitstreams: 1 5694.pdf: 2329501 bytes, checksum: 90a80d78f180e25fc719ec410704ff8f (MD5) Previous issue date: 2013-12-13 / Financiadora de Estudos e Projetos / In Computer Science, ontologies are used for knowledge representation in a number of applications, aiming to structure and handle domain semantics through models shared by humans and computational systems. Although traditional ontologies model semantic information and support reasoning tasks, they are based on a formalism which is less suitable to express the vagueness inherent in real-world phenomena and human language. To address this issue, many proposals investigate how traditional ontologies can be extended by incorporating concepts from fuzzy sets and fuzzy logic, resulting in fuzzy ontologies. In special, combining the formalism from fuzzy ontologies with fuzzy rule-based reasoning, which has been successfully applied in the context of fuzzy inference systems, can lead to more expressive inferences involving imprecision. In this sense, this doctoral thesis aims at exploring the integration of fuzzy ontology reasoning with fuzzy inference systems, resulting in the definition and the development of two approaches: HyFOM (Hybrid integration of Fuzzy Ontology and Mamdani reasoning) and FT-FIS (Fuzzy Tableau and Fuzzy Inference System). HyFOM is based on a hybrid architecture combining reasoners for ontologies, fuzzy ontologies and fuzzy inference systems, focusing on the interaction among its independent components. FT-FIS defines an interface between a fuzzy tableau-based algorithm and a fuzzy inference system, including the fuzzyRuleReasoning predicate that allows fuzzy rule-based reasoning to be invoked whenever necessary for fuzzy ontology reasoning tasks. The main contribution of HyFOM and FT-FIS comes from their reasoning architectures, which combine flexibility in terms of fuzzy rule semantics with the collaboration between inferences from both types of reasoning. Experiments regarding the recommendation of touristic attractions, based on synthetic data, revealed that HyFOM and FT-FIS provide integrated inferences, in addition to a more expressive approximation of the relation defined by fuzzy rules than the results from the fuzzyDL reasoner. In experiments involving the evaluation of chemical risk in food samples, based on real data, results obtained by HyFOM and FT-FIS are also more precise than fuzzyDL results, in comparison with reference values available in this domain. / No contexto da Ciência da Computação, ontologias são utilizadas para representação de conhecimento em diversas aplicações, com o intuito de estruturar e tratar a semântica de domínios específicos. Embora representem e permitam inferir conhecimento implícito, as ontologias convencionais baseiam-se em um formalismo que não é capaz de expressar a imprecisão presente em fenômenos do mundo real e na linguagem humana. Para abordar esta limitação, há diversas pesquisas que investigam a incorporação de conceitos da teoria de conjuntos fuzzy e da lógica fuzzy em ontologias, resultando em ontologias fuzzy. Em especial, combinar o formalismo das ontologias fuzzy com o raciocínio baseado em regras fuzzy, utilizado com sucesso no contexto de sistemas de inferência fuzzy, pode proporcionar uma maior expressividade com relação às inferências envolvendo imprecisão. Neste sentido, o objetivo deste projeto de doutorado é explorar a integração do raciocínio de ontologias fuzzy e de sistemas de inferência fuzzy, resultando na definição e no desenvolvimento das abordagens HyFOM (Hybrid integration of Fuzzy Ontology and Mamdani reasoning) e FT-FIS (Fuzzy Tableau and Fuzzy Inference System). HyFOM baseia-se em uma arquitetura híbrida que combina motores de inferência existentes na literatura para ontologias, ontologias fuzzy e sistemas de inferência fuzzy, com foco na interação entre seus componentes independentes. FT-FIS define uma interface entre um algoritmo baseado em tableau fuzzy e um sistema de inferência fuzzy, incluindo o predicado fuzzyRuleReasoning que permite invocar o raciocínio baseado em regras fuzzy quando for necessário para as tarefas de raciocínio da ontologia fuzzy. A principal contribuição das arquiteturas de raciocínio de HyFOM e FT-FIS está na combinação de flexibilidade, em termos da semântica das regras fuzzy, com a colaboração entre as inferências de ambos tipos de raciocínio. Experimentos considerando a recomendação de atrações turísticas, baseados em dados sintéticos, revelaram que HyFOM e FT-FIS são capazes de proporcionar inferências integradas, além de uma aproximação mais expressiva da relação estabelecida pelas regras fuzzy que os resultados providos pelo raciocinador fuzzyDL. Em experimentos envolvendo o domínio de risco químico em alimentos, baseado em dados reais, os resultados de HyFOM e FT-FIS também são mais precisos que os resultados de fuzzyDL, em comparação com valores de referência disponíveis nesse domínio.

Made available in DSpace on 2016-06-02T19:06:09Z (GMT). No. of bitstreams: 1 5554.pdf: 2294386 bytes, checksum: ce6dc6cd7128337c0533ddd23c0bc601 (MD5) Previous issue date: 2013-06-07 / The mining of sequential patterns in data from environmental sensors is a challenging task: the data may show noise and may also contain sparse patterns that are difficult to detect. The knowledge extracted from environmental sensor data can be used to determine climate change, for example. However, there is a lack of methods that can handle this type of database. In order to reduce this gap, the algorithm Incremental Miner of Stretchy Time Sequences with Post-Processing (IncMSTS-PP) was proposed. The IncMSTS-PP applies incremental extraction of sequential patterns with post-processing based on ontology for the generalization of the patterns. The post-processing makes the patterns semantically richer. Generalized patterns synthesize the information and makes it easier to be interpreted. IncMSTS-PP implements the Stretchy Time Window (STW) that allows stretchy time patterns (patterns with temporal intervals) are mined from bases that have noises. In comparison with GSP algorithm, IncMSTS-PP can return 2.3 times more patterns and patterns with 5 times more itemsets. The post-processing module is responsible for the reduction in 22.47% of the number of patterns presented to the user, but the returned patterns are semantically richer. Thus, the IncMSTS-PP showed good performance and mined relevant patterns showing, that way, that IncMSTS-PP is effective, efficient and appropriate for domain of environmental sensor data. / A mineração de padrões sequenciais em dados de sensores ambientais é uma tarefa desafiadora: os dados podem apresentar ruídos e podem, também, conter padrões esparsos que são difíceis de serem detectados. O conhecimento extraído de dados de sensores ambientais pode ser usado para determinar mudanças climáticas, por exemplo. Entretanto, há uma lacuna de métodos que podem lidar com este tipo de banco de dados. Com o intuito de diminuir esta lacuna, o algoritmo Incremental Miner of Stretchy Time Sequences with Post- Processing (IncMSTS-PP) foi proposto. O IncMSTS-PP aplica a extração incremental de padrões sequencias com pós-processamento baseado em ontologia para a generalização dos padrões obtidos que acarreta o enriquecimento semântico desses padrões. Padrões generalizados sintetizam a informação e a torna mais fácil de ser interpretada. IncMSTS-PP implementa o método Stretchy Time Window (STW) que permite que padrões de tempo elástico (padrões com intervalos temporais) sejam extraídos em bases que apresentam ruídos. Em comparação com o algoritmo GSP, o IncMSTS-PP pode retornar 2,3 vezes mais sequencias e sequencias com 5 vezes mais itemsets. O módulo de pós-processamento é responsável pela redução em 22,47% do número de padrões apresentados ao usuário, porém os padrões retornados são semanticamente mais ricos, se comparados aos padrões não generalizados. Assim sendo, o IncMSTS-PP apresentou bons resultados de desempenho e minerou padrões relevantes mostrando, assim, que IncMSTS-PP é eficaz, eficiente e apropriado em domínio de dados de sensores ambientais.