Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-05-31T12:29:07Z No. of bitstreams: 1 abraaoguimaraesflores.pdf: 5791600 bytes, checksum: 384ace33f746857745754f651589590f (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-05-31T12:42:46Z (GMT) No. of bitstreams: 1 abraaoguimaraesflores.pdf: 5791600 bytes, checksum: 384ace33f746857745754f651589590f (MD5) / Made available in DSpace on 2017-05-31T12:42:46Z (GMT). No. of bitstreams: 1 abraaoguimaraesflores.pdf: 5791600 bytes, checksum: 384ace33f746857745754f651589590f (MD5) Previous issue date: 2013-08-26 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A dinamicidade é uma característica presente em diversos sistemas reais, tais como redes de comunicação, sociais, biológicas e tecnológicas. Processos de difusão em redes complexas podem surgir, por exemplo, em busca de dados, roteamento de dados e propa gação de doenças. Desta forma, a compreensão do tempo necessário para difusão é um tema de estudo importante em redes complexas dinâmicas. Nesta dissertação é realizado um estudo de como medidas de centralidade podem ajudar na diminuição do tempo de difusão de informação em redes complexas dinâmicas. Usando dados de sistemas reais e sintéticos é mostrado que, se a dinamicidade é desconsiderada, o tempo necessário para difundir uma informação na rede é subestimado. Foram propostos algoritmos de difusão que consideram métricas de centralidade em grafos. Estes algoritmos aceleram o processo de difusão, quando comparados com algoritmos de difusão mais simples, como o Random Walk. Por fim, foi analisado o impacto de um modelo simples de predição de arestas nos algoritmos de difusão baseados em centralidade que foram propostos nesta dissertação. / The dynamics is a characteristic present in many real systems, such as communication networks, social, biological and technological. Diffusion processes in complex networks may arise, for example, search data, routing data and the spread of diseases. Thus, understanding the time required for diffusion is an important topic of study in dynamic complex networks. This dissertation is a study of how centrality measures can help in reducing the time information dissemination in dynamic complex networks. Using data from synthetic and real systems is shown that if the dynamics is disregarded, the time needed for spreading an information network is underestimated. Diffusion algorithms have been proposed that consider metrics of centrality in graphs. Finally, we analyze the impact of a simple model for predicting edge algorithms in diffusion based on centrality that have been proposed in this dissertation.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-05-30T20:25:10Z No. of bitstreams: 1 franciscohenriquecerdeiraferreira.pdf: 1810078 bytes, checksum: b5d9796bdd636be5e4f0f3212220ad0a (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-06-01T11:36:20Z (GMT) No. of bitstreams: 1 franciscohenriquecerdeiraferreira.pdf: 1810078 bytes, checksum: b5d9796bdd636be5e4f0f3212220ad0a (MD5) / Made available in DSpace on 2017-06-01T11:36:20Z (GMT). No. of bitstreams: 1 franciscohenriquecerdeiraferreira.pdf: 1810078 bytes, checksum: b5d9796bdd636be5e4f0f3212220ad0a (MD5) Previous issue date: 2013-03-11 / Nos últimos anos, as aplicações P2P de transmissão de vídeo ao vivo despertaram um grande interesse na comunidade cientí ca. Essas aplicações geram um grande volume de dados que afetam diretamente o desempenho da rede. Apesar de existir um grande número de trabalhos dedicados a entender as aplicações P2P de transmissão de vídeo ao vivo, a maioria deles se baseia em uma visão estática desses sistemas. Estes trabalhos não se preocupam em entender a dinâmica do sistema, ou seja, como eles evoluem ao longo do tempo. Através de experimentos realizados na plataforma PlanetLab, este trabalho apresenta uma caracterização da aplicação SopCast, um dos mais importantes sistemas P2P de transmissão de vídeo ao vivo. O estudo é realizado levando-se em consideração a dinamicidade da topologia construída. Também é investigada a formação de comunidades na rede sobreposta e a correlação dessas comunidades com os Sistemas Autônomos da Internet (AS). Os resultados mostram que a formação de comunidades é bem de nida pela troca de tráfego e uma pequena porção de participantes desses grupos é responsável por sustentar toda a comunidade. Além disso, não existe indícios que os participantes se agrupam de acordo com seus Sistemas Autônomos. De fato, a probabilidade de uma comunidade ser formada com mais da metade de membros pertencentes a um mesmo AS é inferior a 10%. Finalmente, as caracterizações apresentadas fornecem informações importantes para o desenvolvimento de novas aplicações P2P de transmissão de vídeo ao vivo. Mais que isso, será possível algoritimos de formação de parcerias e grupos de tal forma que seja possível reduzir os custos de transmissão entre redes diferentes. / P2P live streaming systems have attracted a lot of attention from the research community in the last years. Such systems generate a large amount of data which impacts the network performance. Despite large number of works devoted to understand P2P live streaming applications, most of them rely on characterizing the static view of these systems. These works do not worry about either understanding the systems dynamics or analyzing how it evolves over time. Through experiments in PlanetLab platform, we present a characterization of the SopCast application, one of the most important P2P live streaming system. We focus on characterizing the dynamics of P2P overlay topology. We also investigated the community formation process in SopCast overlay and the correlation of these communities with the Autonomous Systems of the Internet (AS). Our results show that the formation of communities is well de ned by the exchange of tra c and a small portion of peers of these groups is responsible for supporting the entire community. Furthermore, there is a evidence that peeers are not grouped according to their Autonomous Systems. Indeed, the probability of a community be formed with more 50% of members belonging to the same AS is less than 10%. Finally, the characterizations we conduct provide important information to new P2P live streaming protocols and membership algorithms design. Moreover, the presented characterization may be useful to developers create algorithms that reduces the transmission cost on the P2P network.

O que motivou a realização desse trabalho foi estudar estruturas organizacionais complexas, uma vez que tais formas - pouco exploradas empiricamente - têm sido muito atuantes no atual cenário econômico. Além disso, investigações nesse campo são importantes porque a literatura da área não apresenta consenso sobre o impacto e o desempenho desses modelos organizacionais. Assim, esta pesquisa colabora com um maior entendimento sobre as estruturas complexas, investigando uma rede inserida no sistema agroindustrial do vinho, no Vale dos Vinhedos - RS. Esta é uma região rural formada por vinícolas, produtores de uva, hotéis, pousadas, restaurantes e artesanatos. Dentro desse sistema complexo ocorrem várias ações coletivas, destacando-se a obtenção do Selo de Indicação de Procedência dos vinhos finos da região, em 2002. Essa certificação afeta vários atores, sendo que se desconhecia o impacto da ação para os diferentes agentes envolvidos. Assim, este estudo identificou como a rede do Vale dos Vinhedos possibilita a criação de valor para os atores coletivos nela inseridos, além de analisar como ocorre a apropriação do valor gerado na rede entre os agentes. Os dados empíricos foram obtidos por meio de entrevistas e questionários realizados com produtores e vinícolas. Para a análise dos dados, utilizaram-se os métodos econométrico e descritivo. Em relação ao primeiro, realizaram-se regressões e os dados foram organizados em modelo painel. Os principais resultados apontam para um cenário de criação de valor na rede vitivinícola. O selo de Indicação de Procedência possui impacto positivo sobre a venda de vinhos finos das vinícolas, além de influenciar de forma positiva a venda de vinhos comuns dessas firmas, o que conduz a um contexto de formação de externalidades. Também comprovou-se que a certificação apresenta influência positiva sobre a renda por hectare dos produtores de uva da região. Porém, no que tange à apropriação do valor gerado pela rede, evidenciou-se que os atores possuem ganhos diferenciados. Os resultados sugerem que as vinícolas conseguem se apropriar mais do que os viticultores do valor criado pela rede. Ainda cumpre destacar que a rede possibilita criação de valor para outros atores envolvidos, como hotéis, restaurantes, comércios, pousadas e artesanatos, uma vez que promove geração de externalidades positivas, como: aumento do número de turistas na região; geração de empregos; reconhecimento da região em todo o país e no exterior; fortalecimento dos diversos estabelecimentos comerciais inseridos no vale e valorização dos imóveis rurais. De maneira geral, a pesquisa demonstra que os ganhos e as fontes de criação de valor existentes em redes superam os riscos e custos de tais sistemas coletivos. Esse estudo apresenta relevante contribuição, principalmente, se considerado que o Vale dos Vinhedos serve de modelo para outras regiões do país, uma vez que é pioneiro em termos de certificação geográfica no Brasil. / What motivated the realization of this research was to study complex organizational structures, since such forms - little explored empirically - have been active in the current economic scenario. Moreover, investigations in this field are important, since the literature regarding this subject does not present a consensus on the impact and performance of these organizational models. Therefore, this research contributes with a greater understanding on complex organizational systems, by investigating a network inserted in the agro-industrial system of wine, in Vale dos Vinhedos - RS. This is a rural region formed by wineries, grape growers, hotels, restaurants, inns and craftworks. Within this complex system, it occurs several collective actions, with special mention to the acquisition of the Indication of Origin Label of fine wines, in 2002. This certification affects several actors in the collective system, but the impact of the action on the agents involved is unknown. Therefore, this study identify how the network of Vale dos Vinhedos enables the value creation for the collective actors involved, as well as analyses how the value appropriation occurs between the agents. The empirical data were obtained through interviews and questionnaires conducted with wineries and grape growers. Econometric and descriptive methods were used to analyze the data. In relation to the first method, regressions were performed and the data were organized in a panel model. The main results point to a value creation scenario in the investigated network. The Indication of Origin Label has a positive impact on the sales of fine wines from wineries and also has a positive influence on the sales of common wines of these firms, leading to a formation context of externalities. The survey also found that the certification has a positive influence on the local wine producers income. However, regarding to the appropriation of the value generated by the network, it became evident that the actors have different gains. The results suggest that wineries can appropriate more the value created by the network than the growers. It should also be noted that the network enables value creation for other stakeholders, such as hotels, restaurants, shops, inns and crafts, since it promotes the generation of positive externalities as: increasing numbers of tourists, employment generating, recognition of the region around the country and abroad, strengthening of various shops in the region and valuation of rural properties. In general, the research shows that the gains and the sources of value creation in networks outweigh the risks and costs of such collective systems. This study presents relevant contribution, especially when considering that Vale dos Vinhedos is a model for other regions of the country, since it is a pioneer in terms of geographic certification in Brazil.

Orientadores: José Antônio Brum, Marcus Aloizio Martinez de Aguiar / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Física Gleb Wataghin / Made available in DSpace on 2018-08-26T08:49:23Z (GMT). No. of bitstreams: 1 PinheiroNeto_Joao_M.pdf: 16027257 bytes, checksum: ff0a08fdba027bd6f2bc28198e34d482 (MD5) Previous issue date: 2014 / Resumo: Nesta dissertação de mestrado estudamos a dinâmica e estrutura de redes complexas. Começamos com uma revisão da literatura de redes complexas, apresentando as métricas de rede e modelos de conectividade mais comuns. Estudamos então em detalhe a dinâmica do modelo das Random Threshold Networks (RTN). Desenvolvemos uma nova aproximação de campo médio para a dinâmica de RTNs, consideravelmente mais simples que aproximações anteriores. Esta nova aproximação é útil de um ponto de vista prático, pois permite a geração de RTNs onde a atividade média da rede é controlável. Fazemos então uma revisão da literatura de redes adaptativas, apresentando alguns modelos de redes adaptativas com características interessantes. Por fim, desenvolvemos dois modelos de redes adaptativas inspirados pela evolução da estrutura neuronal no cérebro. O primeiro modelo utiliza regras simples e uma evolução baseada na remoção de links para controlar a atividade sobre a rede. A inspiração é a remoção de neurônios e conexões neuronais após a infância. Este modelo também consegue controlar a atividade de grupos individuais dentro de uma mesma rede. Exploramos uma variante deste modelo em um espaço bidimensional, onde conseguimos gerar redes modulares e small-world. O segundo modelo utiliza inputs externos para controlar a evolução da topologia da rede. A inspiração neste caso é o desenvolvimento das conexões neuronais durante a infância, que é influenciado por interações com o ambiente. O modelo gera avalanches finitas de atividade, e é capaz de gerar topologias especificas e modulares utilizando regras simples / Abstract: In this Masters Dissertation we study the structure and dynamics of complex networks. We start with a revision of the literature of complex networks, presenting the most common network metrics and models of network connectivity. We then study in detail the dynamics of the Random Threshold Network (RTN) model. We develop a new mean-field approximation for the RTN dynamics that is considerably more simple than previous results. This new approximation is useful from a practical standpoint, since it allows the generation of RTNs where the average activity of the network is controlled. We then review the literature of Adaptive Networks, explaining some of the adaptive models with interesting characteristics. At last, we develop two models of adaptive networks inspired by the evolution of neuronal structure in the brain. The first model uses simple rules and a link-removing evolution to control the activity on the network. The inspiration is the removal of neurons and neuronal connections after infancy. This model can also control the activity of individual groups within the same network. We explore a variant of this model in a bi-dimensional space, where we are able to generate modular and small-world networks. The second model uses external inputs to control the topological evolution of the network. The inspiration in this case is the development of neuronal connections during the infancy, which is influenced by interactions with the environment. The model generates finite avalanches of activity, and is capable of generating specific and modular topologies using simple rules / Mestrado / Física / Mestre em Física

Orientadores: José Antônio Brum, Marcus Aloizio Martinez de Aguiar / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Física Gleb Wataghin / Made available in DSpace on 2018-08-29T15:40:55Z (GMT). No. of bitstreams: 1 Reis_ElohimFonsecados_M.pdf: 2277988 bytes, checksum: 08f2c3b84a391217d575c0f425159fca (MD5) Previous issue date: 2015 / Resumo: Este trabalho é dividido em duas partes. Na primeira parte, uma rede de correlação é construída baseada em um modelo de Ising em diferentes temperaturas, crítica, subcrítica e supercrítica, usando um algorítimo de Metropolis Monte-Carlo com dinâmica de \textit{single-spin-flip}. Este modelo teórico é comparado com uma rede do cérebro construída a partir de correlações das séries temporais do sinal BOLD de fMRI de regiões do cérebro. Medidas de rede, como coeficiente de aglomeração, mínimo caminho médio e distribuição de grau são analisadas. As mesmas medidas de rede são calculadas para a rede obtida pelas correlações das séries temporais dos spins no modelo de Ising. Os resultados da rede cerebral são melhor explicados pelo modelo teórico na temperatura crítica, sugerindo aspectos de criticalidade na dinâmica cerebral. Na segunda parte, é estudada a dinâmica temporal da atividade de um população neural, ou seja, a atividade de células ganglionares da retina gravadas em uma matriz de multi-eletrodos. Vários estudos têm focado em descrever a atividade de redes neurais usando modelos de Ising com desordem, não dando atenção à estrutura dinâmica. Tratando o tempo como uma dimensão extra do sistema, a dinâmica temporal da atividade da população neural é modelada. O princípio de máxima entropia é usado para construir um modelo de Ising com interação entre pares das atividades de diferentes neurônios em tempos diferentes. O ajuste do modelo é feito com uma combinação de amostragem de Monte-Carlo e método do gradiente descendente. O sistema é caracterizado pelos parâmetros aprendidos, questões como balanço detalhado e reversibilidade temporal são analisadas e variáveis termodinâmicas, como o calor específico, podem ser calculadas para estudar aspectos de criticalidade / Abstract: This work is divided in two parts. In the first part, a correlation network is build based on an Ising model at different temperatures, critical, subcritical and supercritical, using a Metropolis Monte-Carlo algorithm with single-spin-flip dynamics. This theoretical model is compared with a brain network built from the correlations of BOLD fMRI temporal series of brain regions activity. Network measures, such as clustering coefficient, average shortest path length and degree distributions are analysed. The same network measures are calculated to the network obtained from the time series correlations of the spins in the Ising model. The results from the brain network are better explained by the theoretical model at the critical temperature, suggesting critical aspects in the brain dynamics. In the second part, the temporal dynamics of the activity of a neuron population, that is, the activity of retinal ganglion cells recorded in a multi-electrode array was studied. Many studies have focused on describing the activity of neural networks using disordered Ising models, with no regard to the dynamic nature. Treating time as an extra dimension of the system, the temporal dynamics of the activity of the neuron population is modeled. The maximum entropy principle approach is used to build an Ising model with pairwise interactions between the activities of different neurons at different times. Model fitting is performed by a combination of Metropolis Monte Carlo sampling with gradient descent methods. The system is characterized by the learned parameters, questions like detailed balance and time reversibility are analysed and thermodynamic variables, such as specific heat, can be calculated to study critical aspects / Mestrado / Física / Mestre em Física / 2013/25361-6 / FAPESP

[pt] A otimização do desempenho dos modelos de aprendizado de máquina supervisionados representa um desafio constante, especialmente em contextos com conjuntos de dados de alta dimensionalidade ou com numerosos atributos correlacionados. Neste estudo, é proposto um método para o enriquecimento de conjuntos de dados tabulares, fundamentado na utilização de estatísticas provenientes de um grafo construído a partir da similaridade entre as instâncias presentes neste conjunto de dados, buscando capturar correlações estruturais entre esses dados. As instâncias assumem o papel de vértices no grafo, enquanto as conexões entre elas refletem sua similaridade. O conjunto de características originais (FO) é enriquecido com as estatísticas extraídas do grafo (FG) na busca pela melhora do poder preditivo dos modelos de aprendizado de máquina. O método foi avaliado em dez conjuntos de dados públicos de distintas áreas de conhecimento, em dois cenários distintos, sobre sete modelos de aprendizado de máquina, comparando a predição sobre o conjunto de dados inicial (FO) com o conjunto de dados enriquecido com as estatísticas extraídas do seu grafo (FO+FG). Os resultados revelaram melhorias significativas na métrica de acurácia, com um aprimoramento médio de aproximadamente 4,9 por cento. Além de sua flexibilidade para integração com outras técnicas de enriquecimento existentes, o método se apresenta como uma alternativa eficaz, sobretudo em situações em que os conjuntos de dados originais carecem das características necessárias para as abordagens tradicionais de enriquecimento com a utilização de grafo. / [en] The optimization of supervised machine learning models performancerepresents a constant challenge, especially in contexts with high-dimensionaldatasets or numerous correlated attributes. In this study, we propose a methodfor enriching tabular datasets, based on the use of statistics derived from agraph constructed from the similarity between instances in the dataset, aimingto capture structural correlations among the data. Instances take on the role ofvertices in the graph, while connections between them reflect their similarity.The original feature set (FO) is enriched with statistics extracted from thegraph (FG) to enhance the predictive power of machine learning models. Themethod was evaluated on ten public datasets from different domains, in twodistinct scenarios, across seven machine learning models, comparing predictionon the initial dataset (FO) with the dataset enriched with statistics extractedfrom its graph (FO+FG). The results revealed significant improvements inaccuracy metrics, with an average enhancement of approximately 4.9 percent. Inaddition to its flexibility for integration with existing enrichment techniques,the method presents itself as a effective alternative, particularly in situationswhere original datasets lack the necessary characteristics for traditional graph-based enrichment approaches.

As respostas das plantas ao ambiente são orquestradas por fatores genéticos, bem como sua flexibilidade metabólica, uma vez que essas são sésseis. As respostas das plantas ao ambiente são regidas por fatores genéticos, bem como sua flexibilidade metabólica, uma vez que essas são sésseis. A forma com que os padrões gênicos e metabólicos redundam entre as células, refletem nos diferentes níveis organizacionais (célula, tecido, órgão e até o organismo como um todo). Por isso, para entendermos as respostas das plantas em determinados estágios de desenvolvimento ou condições é importante explorarmos ao máximo os diferentes níveis de regulação. Neste sentido, tem crescido a quantidade de dados biológicos obtidos através de métodos que produzem dados em larga escala, visando um estudo de forma sistêmica. Embora existam várias ferramentas para a integração de dados biológicos, elas estão desenvolvidas para organismos modelos, inviabilizando análises para outros, como a cana-de-açúcar, que possui vários dados biológicos disponíveis, mas com genoma complexo e incompleto. Tendo em vista a importância econômica da cana-de-açúcar e o interesse em entendermos o processo de degradação da parede celular, desenvolvemos a ferramenta SIT (Systems Integration Tool), para integração dos dados disponíveis (transcritoma, proteoma e atividade enzimática). A implementação da ferramenta foi realizada utilizando as linguagens de programação Perl e Java. SIT possui uma interface gráfica, podendo ser executada localmente, a qual possibilita a integração de até seis diferentes conjuntos de dados. A visualização do resultado é obtida na forma de redes complexas, permitindo ao usuário a visualização e edição dinâmica da integração. O uso da SIT permitiu no presente estudo, entre outros, a identificação de elementos chave na degradação da parede celular, presentes nos diferentes conjuntos de dados explorados, apontando portanto, potenciais alvos de estudos experimentais. SIT pode ser aplicada à diferentes conjuntos de dados, a qual poderá auxiliar em estudos futuros em várias áreas do conhecimento. / Plant are sessile organisms, and their responses to environmental stimuli are orchestrated by genetic factors, as well as by their metabolic flexibility. Inside the cell, there are genetic and metabolic patterns responsible for cell redundancy, and that reflects on different organizational levels (cell, tissue, organ, until a whole organism). Thus, to understand plant responses to certain conditions, it is important to understanding different regulatory levels. Recently, there was a large increase in availability of biological data. This happened due to the advance in next-generation sequencing techniques, which now enables more profound system biology studies. Despite the availability of several integration tools for analysis of biological data, these were developed for organism modeling. However, such tools are partially effective for sugarcane, for which there are large amounts of data, but has incomplete genome data. Due to the economic importance of sugarcane and aiming at understanding cell wall degradation process, we develop the software Systems Integration Tool (SIT). The tool integrates available data (transcriptomics, proteomics, and enzymatic activity). The implementation was performed in Perl and Java. SIT has a graphical interface, standalone execution, enabling integration until six layers of data. Integration results are generated as complex networks, allowing the users to visualize and dynamically edit the networks. The present study allowed the identification of key cell wall regulatory elements present on different data sets pointing out to potential targets for experimental validation. SIT can be applied to various data sets being capable of helping future studies in different areas of knowledge.

Texture is one of the primary visual attributes used to describe patterns found in nature. Several texture analysis methods have been used as powerful tools for real applications involving analysis and computer vision. However, existing methods do not successfully discriminate the complexity of texture patterns. Such methods disregard the possibility of describing image structures by means of measures such as the fractal dimension. Fractality-based measures allow a non-integer geometric interpretation with applications in areas such as mathematics, physics, and biology. With this gap in mind, the central hypothesis of this thesis is that textures can be described as irregular fractal surfaces due to their complex geometry; such geometry can be exploited for image analysis and computer vision. By exploring such possibilities, pushing the limits of the state-of-the-art, this thesis starts with an analysis of texture features achieved by means of agents on image surfaces. To do so, we used the Bouligand-Minkowski fractal dimension, swarm-system Artificial Crawlers, and non-linear diffusion of Perona-Malik, techniques that led to methodologies with efficacy and efficiency comparable to the state-of-the-art. Our first method combines fractal dimension with random walks on the surface of images. In a second approach, non-linear diffusion is used to represent texture images at different scales, which are described via their fractal dimension for image classification purposes. In a third proposal, we employ fractal dimension concepts over multiple scales derived from the same image for a richer texture description. One of the purposes is the automatic detection of diseases in soybean leaves. Finally, texture characteristics were exploited in a method based on complex networks used to analyze the agglomeration of particles in nanotechnology images. The results achieved in the four methodologies described in this thesis demonstrated the potential of using texture features in tasks of classification and pattern recognition. The contributions of this work shall support significant advances in materials engineering, computer vision, and agriculture. / A textura é um dos principais atributos visuais para a descrição de padrões encontrados na natureza. Diversos métodos de análise de textura têm sido usados como uma poderosa ferramenta para aplicações reais que envolvem análise de imagens e visão computacional. Entretanto, os métodos existentes não conseguem discriminar com sucesso a complexidade dos padrões de textura. Tais métodos desconsideram a possibilidade de se descrever estruturas de imagens por meio de medidas como a dimensão fractal. Medidas baseadas em fractalidade permitem uma interpretação geométrica não-inteira que possui aplicações encontradas em áreas como matemática, física, e biologia. Sobre esta lacuna metodológica, a hipótese central desta tese é que texturas presentes na natureza podem ser medidas como superfícies fractais irregulares devido à sua geometria complexa, o que pode ser explorado para fins de análise de imagens e visão computacional. Para superar tais limitações, avançando o estado da arte, esta tese se inicia com uma análise das características de texturas baseada em caminhadas aleatórias de agentes sobre superfícies de imagens. Esta primeira análise leva a um método que combina dimensão fractal com caminhadas de agentes sobre a superfície de imagens. Em uma segunda abordagem, usa-se a difusão não-linear para representar imagens de texturas em diferentes escalas, as quais são descritas via dimensão fractal para fins de classificação de imagens. Em uma terceira proposta, emprega-se a dimensão fractal sobre múltiplas escalas derivadas de uma mesma imagem com o propósito de se realizar a descrição multi-escala de texturas. Um dos propósitos específicos foi a detecção automática de doenças em folhas de soja. Por último, as características de textura foram exploradas segundo uma metodologia baseada em redes complexas para análise de aglomeração de partículas em imagens de nanotecnologia. Os resultados alcançados nesta tese demonstraram o potencial do uso de características de textura. Para tanto foram usadas técnicas de dimensão fractal de Bouligand-Minkowski, multiagentes Artificial Crawlerse difusão não-linear de Perona-Malik, os quais alcançaram eficácia e eficiência comparáveis ao do estado da arte. As contribuições obtidas devem suportar avanços significativos nas áreas de engenharia de materiais, visão computacional, e agricultura.

A análise de texturas dinâmicas tem se apresentado como uma área de pesquisa crescente e em potencial nos últimos anos em visão computacional. As texturas dinâmicas são sequências de imagens de textura (i.e. vídeo) que representam objetos dinâmicos. Exemplos de texturas dinâmicas são: evolução de colônia de bactérias, crescimento de tecidos do corpo humano, escada rolante em movimento, cachoeiras, fumaça, processo de corrosão de metal, entre outros. Apesar de existirem pesquisas relacionadas com o tema e de resultados promissores, a maioria dos métodos da literatura possui limitações. Além disso, em muitos casos as texturas dinâmicas são resultado de fenômenos complexos, tornando a tarefa de caracterização um desafio ainda maior. Esse cenário requer o desenvolvimento de um paradigma de métodos baseados em complexidade. A complexidade pode ser compreendida como uma medida de irregularidade das texturas dinâmicas, permitindo medir a estrutura dos pixels e quantificar os aspectos espaciais e temporais. Neste contexto, o objetivo deste mestrado é estudar e desenvolver métodos para caracterização de texturas dinâmicas baseado em metodologias de complexidade advindas da área de sistemas complexos. Em particular, duas metodologias já utilizadas em problemas de visão computacional são consideradas: redes complexas e caminhada determinística parcialmente auto-repulsiva. A partir dessas metodologias, três métodos de caracterização de texturas dinâmicas foram desenvolvidos: (i) baseado em difusão em redes - (ii) baseado em caminhada determinística parcialmente auto-repulsiva - (iii) baseado em redes geradas por caminhada determinística parcialmente auto-repulsiva. Os métodos desenvolvidos foram aplicados em problemas de nanotecnologia e tráfego de veículos, apresentando resultados potenciais e contribuindo para o desenvolvimento de ambas áreas. / Dynamic texture analysis has been an area of research increasing and in potential in recent years in computer vision. Dynamic textures are sequences of texture images (i.e. video) that represent dynamic objects. Examples of dynamic textures are: evolution of the colony of bacteria, growth of body tissues, moving escalator, waterfalls, smoke, process of metal corrosion, among others. Although there are researches related to the topic and promising results, most literature methods have limitations. Moreover, in many cases the dynamic textures are the result of complex phenomena, making a characterization task even more challenging. This scenario requires the development of a paradigm of methods based on complexity. The complexity can be understood as a measure of irregularity of the dynamic textures, allowing to measure the structure of the pixels and to quantify the spatial and temporal aspects. In this context, this masters aims to study and develop methods for the characterization of dynamic textures based on methodologies of complexity from the area of complex systems. In particular, two methodologies already used in computer vision problems are considered: complex networks and deterministic walk partially self-repulsive. Based on these methodologies, three methods of characterization of dynamic textures were developed: (i) based on diffusion in networks - (ii) based on deterministic walk partially self-repulsive - (iii) based on networks generated by deterministic walk partially self-repulsive. The developed methods were applied in problems of nanotechnology and vehicle traffic, presenting potencial results and contribuing to the development of both areas.

Redes de Sensores Sem Fio são um tipo especial de rede ad-hoc que são posicionadas em uma região para monitorar fenômenos físicos. Considerando que os sensores dessas redes são independentes e possuem um raio de cobertura pequeno, é comum a utilização de um grande número de sensores para monitorar uma área grande. Um problema nesses tipos de redes é garantir que o máximo de dados capturados por esses sensores sejam coletados e transmitidos até uma estação base para que possam ser analisados por usuários. Uma abordagem para resolver esse problema é por meio da utilização de sensores especiais chamados cluster heads. Esses sensores são posicionados estrategicamente para coletar a informação de um grupo de sensores e transmiti-la para a estação base. Assim surge a necessidade de agrupar esses sensores. Nesse trabalho é proposta uma técnica híbrida baseada no algoritmo de agrupamento de dados K-Médias e em detecção comunidades em redes complexas. Esse algoritmo, chamado de QK-Médias, tenta aproveitar as vantagens das duas abordagens em duas etapas. Primeiro a rede é quebrada em comunidades usando uma técnica de detecção de comunidades. Em seguida essas comunidades são quebradas em subcomunidades de tal forma que os cluster heads consigam gerenciar. Os resultados obtidos a partir do agrupamento de sensores utilizando o QK-Médias mostram que é possível diminuir o número de mensagens perdidas na rede utilizando menos cluster heads que algoritmos tradicionais de agrupamento em redes de sensores sem fio / Wireless Sensor Networks are a special kind of ad-hoc network that are deployed in a monitoring field in order to detect some physical phenomenon. Due to the low dependability of individual nodes and small radio coverage, it is common to use a large number of sensors. A common problem in this sort of network is to guarantee that the highst number of captured data was sucessfull broadcast to the base station. One approach to solve this problem use special sensors called cluster heads. These sensors are responsible for collecting data from a group of common sensors and broadcast it to a base station. Thus, it is necessary to cluster these sensors. Here we propose a hybrid clustering algorithm based on community detection in complex networks and traditional K-means clustering technique: the QK-Means algorithm. This new algorithm is composed by two steps. First, the network is broken into communities and then broken into subcommuinties that the cluster heads can deal with. Simulation results show that QK-Means can decrease the rate of lost messages in the network using less cluster heads than tradicional clustering algorithms