A tática aérea de progressão em território inimigo usando navegação a baixa altura visa proteger a aeronave incursora dos radares inimigos, através do bloqueio natural oferecido pela geografia do terreno. Para diminuir os riscos de detecção, é fundamental um adequado planejamento deste tipo de missão, que requer informações como as posições de radares e os dados de elevação na região da navegação. Com essas informações, a construção do mapa de intervisibilidade constitui uma ferramenta essencial para um bom planejamento da trajetória. Por outro lado, do ponto de vista da defesa aérea, a construção de mapas de intervisibilidade permite posicionar os radares de forma que tenham maior visibilidade da região a ser protegida, diminuindo o risco de sofrer um ataque aéreo. Assim, para evitar o cálculo de intervisibilidade de todos os pontos, é importante investigar como reconstruir mapas de intervisibilidade a partir de informação incompleta. As alternativas escolhidas para apoiar o estudo foram a construção de modelos de predição com redes neurais artificiais e de modelos aditivos generalizados. Os dois modelos foram definidos a partir de um estudo sistemático, baseado nos princípios de projeto e análise de experimentos. Para a construção do algoritmo de cálculo exato foram utilizadas idéias contidas nos algoritmos Xdraw e Radial LoS Scanning, juntamente com o algoritmo de Bresenham para determinação das linhas de visada.

Tradicionalmente, a tabela periódica convenientemente apresenta elementos químicos em linhas, chamadas períodos e em colunas, chamadas grupos ou famílias. Em um trabalho anterior, alguns de nós, com base exclusivamente nas informações disponíveis na época de Mendeleev, têm usado redes neurais artificiais e mapas auto-organizaveis para gerar um arranjo bidimensional dos elementos químicos. Agora, nesta investigação, temos tentado determinar quais propriedades dos elementos favorecem a formação dos períodos e quais favorecem a formação de famílias. Aqui, nós projetamos um modelo baseado no problema do caixeiro viajante. As propriedades físico-químicas dos elementos representaram as coordenadas das cidades percorridas pelo caixeiro viajante. Assim, através da determinação do melhor caminho, encontramos que elementos químicos são mais semelhantes de acordo com um conjunto de propriedades pré-selecionadas. Os testes foram realizados em 3 grupos distintos de propriedades. No ensaio 1, as propriedades seleccionadas foram: peso atômico, temperatura de fusão, temperatura de ebulição, densidade; no Teste 2, as propriedades selecionadas foram: peso atômico, temperatura de fusão, temperatura de ebulição, energia de ionização; e no teste 3, as propriedades selecionadas foram densidade, temperatura de fusão, temperatura de ebulição, energia de ionização. A análise detalhada mostrou que o peso atômico favorece a formação dos períodos e a substituição do peso atômico pela densidade beneficiou a formação de grupos. A sequência deste trabalho consiste em uma classificação de aminoácidos. Para isso, fizemos uso de redes de Kohonen (mapas auto-organizáveis) e analisamos os agrupamentos formados no mapa. Dessa forma obtivemos um mapa bidimensional onde aminoácidos com características similares ficaram próximos uns dos outros. Dentre as propriedades utilizadas para treinamento, destacamos o softness químico local. Ao todo foram feitos cinco testes com dados de entrada diferente. O primeiro teste foi realizado com as seguintes propriedades: softness da cadeia lateral, softness do radical, softness molecular, fator de empilhamento e espectros na faixa de 0-50, 50-100 e 100-150; no segundo teste fizemos uso de: softness da cadeia lateral, softness do radical, softness molecular, fator de empilhamento e potencial de hidratação; no terceiro teste os dados de entrada foram: softness da cadeia lateral, softness do radical, softness molecular, volume e potencial de hidratação; no quarto teste utilizamos: softness da cadeia lateral, softness do radical, softness molecular e potencial de hidratação; no último teste os dados de entrada foram apenas: softness da cadeia lateral, softness do radical e softness molecular. Nos testes realizados muitos grupos foram identificados, tais como: pequenos, carregados, carregados positivamente, alifáticos e aromáticos. Por fim, notamos que, como citado por Zhou e Parr, softness, de fato, se mostrou um bom indicador de aromaticidade.

Nesse trabalho os 20 aminoácidos foram classificados, a fim de investigar possíveis aplicações em dispositivos. Como critério de classificação foi utilizada uma propriedade molecular denominada softness químico. A classificação foi feita por uma rede neural artificial denominada Mapa Auto-Organizável. Esse estudo permitiu identificar similaridades entre diferentes grupos químicos presentes em aminoácidos. Os aminoácidos que apresentam grupos hidroxílicos (OH) foram classificados como similares aos aminoácidos alifáticos, que apresentam apenas carbono e hidrogênio em suas cadeias laterais. O aminoácido histidina, que apresenta uma estrutura cíclica do tipo imidazol (C3H4N2), foi classificado como similar aos aminoácidos aromáticos fenilalanina, triptofano e tirosina, que apresentam um anel do tipo fenil (C6H5) em suas estruturas. Por esse motivo foi investigada a relação entre softness e aromaticidade. Este conceito ainda não possui uma definição formal, pois ele se relaciona com diversas propriedades físicas e químicas, por esse fato não pode ser medido experimentalmente ou calculado teoricamente. Nesse trabalho mostra-se o softness como candidato para explicar este conceito, pois se relaciona com diferentes critérios de aromaticidade.

Esta dissertação engloba dois objetivos. O primeiro consiste em dotar o Comando da Aeronáutica de um estudo sobre as tecnologias: de manipulação de objetos georeferenciados; de gerenciamento de bancos de dados georeferenciados; de exibição de imagens georeferenciadas; e de Mineração de Dados que possam ser integradas para formar um Sistema de Informações Geográficas (SIG), como proposta para apoiar uma solução automatizada de análise dos Tráfegos Aéreos Desconhecidos (TAD), com o emprego de algoritmos de Mineração de Dados e apresentação dos resultados de forma gráfica e georeferenciada, a fim de aumentar a eficiência na descoberta de padrões e proporcionar agilidade no planejamento de operações aéreas. O segundo objetivo consiste em comparar os três algoritmos de agrupamento k-means, Leader e Kohonen, na tarefa de agrupar registros de tráfegos aéreos desconhecidos, representados por segmentos de reta, determinando o mais adequado a ser implementado como algoritmo de Mineração de Dados no sistema proposto. O problema foi abordado seguindo as etapas do processo de KDD (Knowledge Discovery in Databases). Na etapa de pré-processamento, houve a seleção dos atributos necessários à aplicação do algoritmo de Mineração de Dados, e a determinação das transformações necessárias dos dados, para formação da base de dados para o trabalho. Foram escolhidos a biblioteca TerraLib, desenvolvida em conjunto pelo Instituto Nacional de Pesquisas Espaciais (INPE), pela Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) e a Fundação de Ciência, Aplicações e Tecnologia Espaciais (FUNCATE), e o software TerraView, desenvolvido pelo INPE, para comporem a base de um protótipo de SIG. Os algoritmos selecionados foram implementados em C++, e passaram por testes de desempenho, para determinação do mais adequado a ser incluído para realizar a mineração dos tráfegos aéreos desconhecidos dentro do protótipo de SIG. Após os testes, o algoritmo Leader mostrou ser a melhor opção, devido ao seu desempenho geral. Assim estava completa a etapa de Mineração de Dados do KDD. Uma vez determinado o algoritmo de mineração, a etapa de pós-processamento foi completada através da integração das funcionalidades de importação de dados e aplicação do algoritmo de mineração ao protótipo de SIG composto pelo software TerraView e pela biblioteca TerraLib.