Um dos padrões mais importantes que ocorrem em ecossistemas é a relação espécie-área, que relaciona o número de espécies em um ecossistema com a sua área disponível. O estudo dessa relação é fundamental para entender-se a biodiversidade e o impacto de políticas ambientais de preservação de espécies, de modo que é possível analisar desde os tamanhos das reservas necessários para a conservação das espécies e até verificar o impacto da intervenção humana em habitats naturais. Assim sendo, várias estratégias matemáticas e computacionais foram desenvolvidas para prever e entender esse padrão ecológico em modelos ecológicos. Todavia, muitas abordagens são simuladas em ambientes homogêneos e regulares, porém, sabe-se que, em cada ecossistema, há regiões com acidentes geográficos, variações de altitudes, vegetação e clima. Dessa forma, nesse trabalho, estamos interessados em estudar a influência de diferentes ambientes no processo de evolução das espécies. Para isso, consideramos modelos ecológicos que utilizam características geográficas para colonização e, comportamentos individuais como dispersão, mutação, acasalamento. Com isso, foi possível simular a propagação das espécies em diferentes topologias e analisar como ocorreu a dinâmica em cada uma delas. Assim, verificamos que a topologia regular e a dispersão homogênea dos indivíduos são duas características que maximizam a diversidade de espécies. E por outro lado, a formação de regiões mais densas e interações heterogêneas, contribuem para a diminuição da quantidade de espécies, apesar de em alguns casos, ajudarem na velocidade de propagação e colonização. / One of the most important patterns that occur in ecosystems is the species-area relationship, which says that the number of species increases with the sampled area. There is a great interest among ecologists about this pattern, since it is possible to verify the human impact on the environment and the area of reserves necessary to maintain species. Thus, motivated by the explanation of such behavior, some mathematical and computational strategies have been developed over the years. However, most approaches are simulated in homogeneous and regular scenarios, however, in the ecosystem, there are regions with landforms, different climates and vegetation. Thus, in this work, we are interested in studying the influence of different environments in the evolution process of the species. We consider ecological models that use geographical characteristics for colonization and individual behaviors such as dispersion, mutation, and mating. Thereby, it was possible to simulate the propagation of the species in different topologies and to analyze how the dynamics occurred in each case. Therefore, we verified that the regular topology and the homogeneous dispersion of the individuals are two characteristics that maximize the diversity of species. On the other hand, denser regions and heterogeneous interactions, contribute to the decrease the number of species, even when in some cases, they help in the speed of propagation and colonization.

Uma nova perspectiva da ciência tem sido adotada com sucesso por diversos pesquisadores ao redor do mundo, resultando em avanços tecnológicos nas mais variadas áreas do conhecimento. A nova abordagem científica é amplamente interdisciplinar e envolve métodos para a análise, armazenamento e visualização eficiente de grandes quantidades de informação, assim como formas de entender e quantificar a própria estrutura das ciências. Entretanto, os novos problemas tratados por esta abordagem também são mais complexos e tendem a apresentar uma intrincada união entre conceitos e suas relações. Redes complexas representam naturalmente sistemas desta natureza, sendo amplamente adotadas por pesquisadores de diversas áreas científicas. Este trabalho tem como objetivo estudar e desenvolver técnicas multiescala para caracterizar a estrutura de redes complexas através de vários aspectos ligados à complexidade, como a dimensão, a regularidade e a organização de sistemas em subestruturas. Para isso, são sugeridas novas métricas baseadas no conceito de níveis e padrões concêntricos, que permitem estender, de forma natural, medidas tradicionais de redes complexas ao contexto multiescala. Desta forma, é introduzida uma nova medida de dimensão multiescala, que permite a quantificação da dimensão, tanto ao redor de vértices quanto em escalas globais de uma rede. A regularidade de redes é abordada através da ideia de simetria, redefinida em termos da simetria concêntrica, que permitiu, na prática, a quantificação e comparação da simetria entre diferentes redes. Outro conceito explorado é a caracterização do papel desempenhado por vértices dentro de comunidades, que estão diretamente relacionados às subsestruturas de sistemas. Para isso, definimos uma nova medida multiescala de pertinência baseada na diversidade das comunidades presentes na vizinhança de um vértice. Também foram utilizadas e desenvolvidas técnicas e ferramentas para visualização de redes complexas, que se mostraram fundamentais durante todos os estágios deste trabalho, em especial na criação de mapeamentos científicos. A união das metodologias enriqueceu a caracterização de redes complexas, permitindo a criação de um mapa da complexidade desses sistemas. Verificou-se que a complexidade de sistemas, em geral, está associada à dimensão e simetria. Sistemas com baixa simetria e alta dimensionalidade tendem a ser aqueles de maior complexidade compartilhando a mesma região que redes de conhecimento de da infraestrutura da Internet. Sob esses aspectos, também é estudado como redes são influenciadas pelas restrições geográficas ou de planejamento. As metodologias introduzidas neste trabalho culminaram em diversas aplicações em vários segmentos como: classificação de genes em redes de transcriptoma humano, detecção de crises no mercado financeiro, visualização e sumarização automática de dados científicos, assim como a quantificação da interdisciplinaridade de revistas científicas. No geral, os desenvolvimentos presentes aqui mostram o potencial da abordagem multiescala na análise de sistemas complexos através da representação por redes. / A new perspective of making science is being adopted by many researchers around the world, resulting in several technological achievements in many research fields. The new approach to science is largely interdisciplinary and wraps together many new methods used to analyze, store and visualize large amounts of data, as well as techniques to understand the structure of science itself. However, the problems usually handled by this new approach also are very complex and present an intricate collection of concepts and relationships. Complex networks can be used to naturally represent such systems, having being adopted by many researchers of different backgrounds. The objective of this work is to study and develop new multiscale techniques to characterize the structure of complex networks under three different aspects: dimension, regularity and the organization of systems in substructures; which are tightly related to the concept of complexity. To conduct such analysis, new measurements based on the idea of concentric levels and patterns are proposed, which permits traditional network properties to be extended to a multiscale approach. Therefore, we introduce a new measurement of dimension, the multiscale dimension, which can be used to quantify the dimension around the neighborhoods of a vertex, as well as over the entire network structure in a global scale. The regularity is considered in terms of symmetry, which is redefined to create the concentric symmetry, allowing the quantification and comparison of symmetry among networks of distinct sizes and connectivity. Another concept explored in this work is the characterization of the role of vertices inside a community, which represents the substructure organization of the underlying system. This is done by defining another multiscale measurement, in this case, based on the diversity of the communities of vertices in the neighborhoods of a central reference. Also, we developed new tools and techniques to visualize complex networks, which have proven essential to all the steps of the analysis conducted in this work, including the task of mapping the science structure. The combination of the proposed methodologies enriched the analysis and the characterization of complex networks, resulting in the development of a new way of mapping complexity based on dimension and symmetry. Systems presenting low symmetry and high dimensionality are more likely to also display a more complex behavior, this is the case of knowledge networks the infrastructure of the Internet. In this context, we also study the effects of spatial restrictions and system planning on networks. The methodologies introduced in this paper culminated in several other applications in many scientific topics, such as: the classification of genes in human transcriptome networks, crisis detection on the financial market network, visualization and automatic summarization of scientific data, as well as the quantification of interdisciplinarity of scientific journals. In general, the contributions of this work demonstrate the potential of the multiscale analysis applied to understanding complex systems through the networks representation.

Cities are complex systems of transportation and social activity; their structure can be used to model urban street networks i.e. complex network that represents the geometry of a city allowing analytical activities for data-driven decision-making. The geometry of a city holds intrinsic information that can support activities related to the analysis of the urban scenario; of higher importance is the use of such information to enhance the quality of life of its inhabitants and/or to understand the dynamics of an urban center. Several of these analytical processes lacks in-depth methodologies to analyze crime patterns and ill-designed urban structures, which can provide for public safety and urban design. Consequently, it is our goal to provide means for the structural and topological analysis of highly criminal regions of cities represented as complex networks, and for the identification of urban planning inconsistencies that point to regions that lack access from/to points of interest in a city. In this regard, we devised a set of algebraic and algorithmic procedures that are capable of revealing patterns and provide for data comprehension. More specifically, we introduced pre-processing techniques to transform georeferenced electronic maps into graph representations of cities; we used metric-based and epidemic processes to understand the dynamics of cities in what refers to criminality; finally, we introduced a novel set of formalisms and operations based on set theory to identify design flaws concerning access in urban centers. Our results refer to approaches to preprocess and prepare maps in the form of urban street networks; to the analyses of crimes based on their spatial disposition; to the development of a model to describe criminal activities; and, to the advance of a concept based on critical problems in the urban design. / As cidades são sistemas complexos de interação social e de transporte. Suas estruturas podem ser usadas para modelar redes de mobilidade urbana i.e. redes complexas que representam a geometria de uma cidade permitindo a consecução de atividades analíticas para descoberta de padrões e para a tomada de decisão baseada em dados. A geometria da cidade carrega informações intrínsecas que auxiliam atividades relacionadas à análise de dados provenientes do cenário urbano. As informações inerentes a tais análises podem ser usadas para melhorar a qualidade de vida dos habitantes de uma região, ou para entender a dinâmica de centros urbanos. Diversos processos analíticos aplicados a tais cenários carecem de metodologias para analisar o padrão criminal e para identificar estruturas urbanas mal planejadas. Deste modo, este trabalho tem por objetivo prover meios para análise topológica de regiões criminais e para a identificação de inconsistências urbanas, as quais apontam para regiões que carecem de mobilidade e acesso para outras regiões de uma cidade. Neste sentido, foi desenvolvido um conjunto de procedimentos algébricos e algorítmicos capazes de revelar padrões e meios para compreensão e análise dos dados. Mais especificamente, foram desenvolvidos métodos de pré-processamento para transformar mapas eletrônicos georreferenciados em grafos que representam cidades, foi utilizado um conjunto métrico analítico e outro com base em processos epidêmicos para entender a dinâmica intrínseca à criminalidade de uma cidade, e por fim, foi desenvolvido um conjunto de formalismos e operações baseados em teoria dos conjuntos para identificar falhas no desenho das estruturas urbanas que impactam no acesso viário em centros urbanos. Os resultados deste trabalho versam sobre o desenvolvimento de novos métodos para preparar mapas na forma de redes de mobilidade urbana; na análise de crimes baseada em sua disposição espacial; no desenvolvimento de um modelo capaz de descrever a atividade criminal de uma cidade; e, em um conceito baseado na análise de regiões críticas identificadas a partir do desenho urbano.

The X-Ray imaging technology opened a new branch of science in which the internal porous structure can be captured and the reconstructed volume can be used for fluid flow simulations and structural measurements. However, there is still the question of how the internal structure of the pore space impacts in the observed simulations. A way to characterize this internal structure is by simplifying it into well-defined elements and the interaction between them, describing it as a network. The interaction between elements are the edges of the network and elements are the nodes. This opens the possibility of applying complex network theory on the characterization of porous media which has proven to give powerful insights into how the structure of porous materials influences on the dynamics of the permeating fluid. The problem with this description is in definition of the basic elements that will compose the network, since there isnt a consensus on this definition. The purpose of this work is to provide a method to analyze μCT data through networks in which the separation of the space is done in a semi-continuous method. The recovering of the pores local geometry is captured through a network analysis method of centrality, instead of a geometrical definition. This way the intrinsic morphology of the samples is what governs the pore-space separation into different entities. The method developed is based on the network extraction method Max Spheres Algorithm (MSA). The volumetric data is recovered through a network composed by sphere cells. The output of this process are two distinct networks: the complete volume network and a network which represents the variation of the channels diameter. These networks give unbiased real information on pore connectivity and can provide important data to better understand the morphology and topology of the samples. This method was successfully applied to samples of Berea sandstone, Estaillades carbonate, and to characterize the morphology of wormholes. Wormhole is the denomination of the channel formed after the application of an acid treatment as a stimulation procedure of an oil reservoir, a method of EOR (Enhanced oil recovery). This treatment consists of a reactive fluid flow injected in the inner rock of the reservoir, which creates a preferential path (wormhole) that optimizes the extraction of the hydrocarbon fluids. / A microtomografia de raios-X permitiu a evolução de uma nova área da ciência aplicada a meios porosos: a Rocha Digital. Através desta técnica, todo o espaço poroso é recuperado, e é possível entender a dinâmica do fluido que o permeia através de simulações computacionais. No entanto, ainda há a questão de como a estrutura do meio influencia nos resultados observados. Entender questões como connectividade e clusterização de regiões podem dar informações valiosas sobre como a origem do meio poroso influencia na dinâmica do fluido que o permeia. Esta avaliação do meio é possível através da simplificação do mesmo em uma rede de conexão de elementos básicos e as interações entre estes. O problema com a descrição do meio poroso em uma rede de conexão é que não existe um consenso na definição destes elementos básicos. O propósito deste trabalho foi encontrar uma maneira de descrever o meio que fosse aplicável a qualquer litologia, e que se aproximasse ao máximo dos dados extraídos pela micro tomografia para a análise das topologias de diferentes rochas através de teoria de redes complexas.Para isso, utilizamos o algoritmo robusto de extração de redes de poros, esferas máximas, como base para dividir o espaço-poroso em células esféricas. Desta forma, todo o volume do espaço poroso observado através da micro tomografia é recuperado e descrito em uma rede de conexão. O resultado final do método aplicado é uma rede que descreve o meio completo e uma rede que descreve o eixo medial das interconexões entre poros. A geometria local dos poros é recuperada através de um critério de centralidade de rede, assim a separação é governada pela morfologia intrínseca das amostras, ao invés de fatores geométricos.Desta forma podemos analisar o efeito da tortuosidade real do meio, assim como a interconexão entre poros, com relação a permeabilidade do meio.O método se mostrou eficaz na análise de rochas com diferentes litologias: arenito (Berea) e carbonato (Estaillades). O método também foi aplicado na avaliação da estrutura de canais formados pelo processo de acidificação de rochas (wormholes).

Em sistemas biológicos, o estudo da estabilidade das redes de regulação gênica é visto como uma contribuição importante que a Matemática pode proporcionar a pesquisas sobre câncer e outras doenças genéticas. Neste trabalho, utilizamos o conceito de ``canalização\'\' como sinônimo de estabilidade em uma rede biológica. Como as características de uma rede de regulação canalizada ainda são superficialmente compreendidas, estudamos esse conceito sob o ponto de vista computacional: propomos um modelo matemático simplificado para descrever o fenômeno e realizamos algumas análises sobre o mesmo. Mais especificamente, a estabilidade da maior bacia de atração das redes Booleanas - um clássico paradigma para a modelagem de redes de regulação - é analisada. Os resultados indicam que a estabilidade da maior bacia de atração está relacionada com dados biológicos sobre o crescimento de colônias de leveduras e que considerações sobre a interação entre as funções Booleanas e a topologia da rede devem ser realizadas conjuntamente na análise de redes estáveis. / In biological systems, the study of gene regulatory networks stability is seen as an important contribution that Mathematics can make to cancer research and that of other genetic diseases. In this work, we consider the concept of ``canalization\'\' as a consequence of stability in gene regulatory networks. The characteristics of canalized regulatory networks are superficially understood. Hence, we study the canalization concept under a computational framework: a simplified model is proposed to describe the phenomenon using Boolean Networks - a classical paradigm to modeling regulatory networks. Specifically, the stability of the largest basin of attraction in gene regulatory networks is analyzed. Our results indicate that the stability of the largest basin of attraction is related to biological data on growth of yeast colonies, and that thoughts about the interaction between Boolean functions and network topologies must be given in the analysis of stable networks.

The Self-Organization Map (SOM) is an artificial neural network that was proposed as a tool for exploratory analysis in large dimensionality data sets, being used efficiently for data mining. One of the main topics of research in this area is related to data clustering applications. Several algorithms have been developed to perform clustering in data sets. However, the accuracy of these algorithms is data depending. This thesis is mainly dedicated to the investigation of the SOM from two different approaches: (i) data mining and (ii) complex networks. From the data mining point of view, we analyzed how the performance of the algorithm is related to the distribution of data properties. It was verified the accuracy of the algorithm based on the configuration of the parameters. Likewise, this thesis shows a comparative analysis between the SOM network and other clustering methods. The results revealed that in random configuration of parameters the SOM algorithm tends to improve its acuracy when the number of classes is small. It was also observed that when considering the default configurations of the adopted methods, the spectral approach usually outperformed the other clustering algorithms. Regarding the complex networks approach, we observed that the network structure has a fundamental influence of the algorithm accuracy. We evaluated the cases at short and middle learning time scales and three different datasets. Furthermore, we show how different topologies also affect the self-organization of the topographic map of SOM network. The self-organization of the network was studied through the partitioning of the map in groups or communities. It was used four topological measures to quantify the structure of the groups such as: modularity, number of elements per group, number of groups per map, size of the largest group in three network models. In small-world (SW) networks, the groups become denser as time increases. An opposite behavior is found in the assortative networks. Finally, we verified that if some perturbation is included in the system, like a rewiring in a SW network and the deactivation model, the system cannot be organized again. Our results enable a better understanding of SOM in terms of parameters and network structure. / Um Mapa Auto-organizativo (da sigla SOM, Self-organized map, em inglês) é uma rede neural artificial que foi proposta como uma ferramenta para análise exploratória em conjuntos de dados de grande dimensionalidade, sendo utilizada de forma eficiente na mineração de dados. Um dos principais tópicos de pesquisa nesta área está relacionado com as aplicações de agrupamento de dados. Vários algoritmos foram desenvolvidos para realizar agrupamento de dados, tendo cada um destes algoritmos uma acurácia específica para determinados tipos de dados. Esta tese tem por objetivo principal analisar a rede SOM a partir de duas abordagens diferentes: mineração de dados e redes complexas. Pela abordagem de mineração de dados, analisou-se como o desempenho do algoritmo está relacionado à distribuição ou características dos dados. Verificou-se a acurácia do algoritmo com base na configuração dos parâmetros. Da mesma forma, esta tese mostra uma análise comparativa entre a rede SOM e outros métodos de agrupamento. Os resultados revelaram que o uso de valores aleatórios nos parâmetros de configuração do algoritmo SOM tende a melhorar sua acurácia quando o número de classes é baixo. Observou-se também que, ao considerar as configurações padrão dos métodos adotados, a abordagem espectral usualmente superou os demais algoritmos de agrupamento. Pela abordagem de redes complexas, esta tese mostra que, se considerarmos outro tipo de topologia de rede, além do modelo regular geralmente utilizado, haverá um impacto na acurácia da rede. Esta tese mostra que o impacto na acurácia é geralmente observado em escalas de tempo de aprendizado curto e médio. Esse comportamento foi observado usando três conjuntos de dados diferentes. Além disso, esta tese mostra como diferentes topologias também afetam a auto-organização do mapa topográfico da rede SOM. A auto-organização da rede foi estudada por meio do particionamento do mapa em grupos ou comunidades. Foram utilizadas quatro medidas topológicas para quantificar a estrutura dos grupos em três modelos distintos de rede: modularidade, número de elementos por grupo, número de grupos por mapa, tamanho do maior grupo. Em redes de pequeno mundo, os grupos se tornam mais densos à medida que o tempo aumenta. Um comportamento oposto a isso é encontrado nas redes assortativas. Apesar da modularidade, tem um alto valor em ambos os casos.

A atenção seletiva é uma característica central do sistema visual humano, uma vez que todo o cérebro é otimizado de modo a perceber as informações ao seu redor da forma mais rápida possível. Porém, em geral os trabalhos nesta área apenas verificam quais são as regiões de maior freqüência da atenção seletiva, dando pouca importância para a sua mecânica. A presente dissertação propõe um modelo que represente a atenção seletiva como uma rede complexa, combinando naturalmente as áreas de redes complexas, cadeias de Markov, análise de imagens, atenção seletiva e saliência visual num modelo biologicamente plausível para simular a atenção seletiva. O modelo propõe que pontos importantes da imagem, pontos salientes, sejam caracterizados como vértices da rede complexa, e que as arestas sejam distribuídas de acordo com a probabilidade da mudança de atenção entre dois vértices. Desta forma, a mecânica da atenção seletiva seria simulada pela mecânica da rede complexa correspondente. Foram estudadas imagens em níveis de cinza, sendo estas correspondentes à cena observada. A probabilidade de mudança entre duas regiões, as arestas da rede, foram definidas através de diversos métodos de composição da saliência visual, e as redes resultantes comparadas com redes complexas provenientes de um experimento protótipo realizado. A partir deste experimento foram propostos refinamentos no modelo original, tornando assim a mecânica do modelo o mais próximo possível da mecânica humana da atenção seletiva. / Selective attention is a central feature of the human visual system, since the entire brain is optimized in order to understand the information around as quickly as possible. In general works in this area only search which regions has a higher frequency of selective attention, with little consideration for their mechanics. This study proposes a model that represents the selective attention as a complex network, combining naturally areas of complex networks, Markov chains, image analysis, selective attention and visual salience in a biologically plausible model to simulate the selective attention. The model proposes that the important points of the image, salient points, are identified as vertices of the complex network, and the edges are distributed according to the probability of shift of attention between two vertices. Thus, the mechanics of selective attention would be simulated by the mechanics of correspondent complex network. We studied images in gray levels, which are corresponding to the scene observed. The probability of switching between two regions, the edges of the network were identified through various methods of visual saliency composition, and the resulting networks compared with complex networks from a prototype experiment performed. From this experiment were proposed refinements to the original model, thereby making the mechanical design as close as possible to the mechanics of human selective attention.

Imagens multiespectrais estão presentes na grande maioria de dispositivos de imageamento atuais, desde câmeras pessoais até microscópios, telescópios e satélites. No entanto, grande parte dos trabalhos em análise de texturas e afins propõem abordagens monocromáticas, que muitas vezes consideram apenas níveis de cinza. Nesse contexto e considerando o aumento da capacidade dos computadores atuais, o uso da informação espectral deve ser considerada na construção de modelos melhores. Ultimamente redes neurais convolucionais profundas pré-treinadas tem sido usadas em imagens coloridas de 3 canais, porém são limitadas a apenas esse formato e computam muitas convoluções, o que demanda por hardware específico (GPU). Esses fatos motivaram esse trabalho, que propõem técnicas para a modelagem e caracterização de imagens multiespectrais baseadas em redes complexas, que tem se mostrado uma ferramenta eficiente em trabalhos anteriores e possui complexidade computacional similar à métodos tradicionais. São introduzidas duas abordagens para aplicação em imagens coloridas de três canais, denominadas Rede Multicamada (RM) e Rede Multicamada Direcionada (RMD). Esses métodos modelam todos os canais da imagem de forma conjunta, onde as redes possuem conexões intra e entre canais, de forma parecida ao processamento oponente de cor do sistema visual humano. Experimentos em cinco bases de textura colorida mostram a proposta RMD supera vários métodos da literatura no geral, incluindo redes convolucionais e métodos tradicionais integrativos. Além disso, as propostas demonstraram alta robustez a diferentes espaços de cor (RGB, LAB, HSV e I1I2I3), enquanto que outros métodos oscilam de base para base. Também é proposto um método para caracterizar imagens multiespectrais de muitos canais, denominado Rede Direcionada de Similaridade Angular (RDSA). Nessa proposta, cada pixel multiespectral é considerado como um vetor de dimensão equivalente à quantidade de canais da imagem e o peso das arestas representa sua similaridade do cosseno, apontando para o pixel de maior valor absoluto. Esse método é aplicado em um conjunto de imagens de microscopia por fluorescência de 32 canais, em um experimento para identificar variações na estrutura foliar do espécime Jacaranda Caroba submetidos à diferentes condições. O método RDSA obtém as maiores taxas de acerto de classificação nesse conjunto de dados, com 91, 9% usando o esquema de validação cruzada Leave-one-out e 90, 5(±1, 1)% com 10-pastas, contra 81, 8% e 84, 7(±2, 2) da rede convolucional VGG16. / Multispectral images are present in the vast majority of current imaging devices, from personal cameras to microscopes, telescopes and satellites. However, much of the work in texture analysis and the like proposes monochromatic approaches, which often consider only gray levels. In this context and considering the performance increase of current computers, the use of the spectral information must be considered in the construction of better models. Lately, pre-trained deep convolutional neural networks have been used in 3-channel color images, however they are limited to just this format and compute many convolutions, which demands specific hardware (GPU). These facts motivated this work, which propose techniques for the modeling and characterization of multispectral images based on complex networks, which has proved to be an efficient tool in previous works and has computational complexity similar to traditional methods. Two approaches are introduced for application in 3-channel color images, called Multilayer Network (RM) and Directed Multilayer Network (RMD). These methods model all channels of the image together, where the networks have intra- and inter-channel connections, similar to the opponent color processing of the human visual system. Experiments in five color texture datasets shows that the RMD proposal overcomes several methods of the literature in general, including convolutional networks and traditional integrative methods. In addition, the proposals have demonstrated high robustness to different color spaces (RGB, LAB, HSV and I1I2I3), while other methods oscillate from dataset to dataset. Moreover it is proposed a new method to characterize multispectral images of many channels, called Directed Network of Angular Similarity (RDSA). In this proposal, each multispectral pixel is considered as a vector of dimensions equivalent to the number of channels of the image and the weight of the edges represents its cosine similarity, pointing to the pixel of greatest absolute value. This method is applied to a set of fluorescence microscopy images of 32 channels in an experiment to identify variations in the leaf structure of the Jacaranda Caroba specimen under different conditions. The RDSA method obtains the highest classification rates in this dataset, with 91.9% with the Leave-one-out cross-validation scheme and 90.5(±1.1)% with 10-folds, against 81.8% and 84.7(±2.2) of the convolutional network VGG16.

Proteínas tipicamente são capazes de manter a sua conformação funcional somente dentro de um intervalo limitado de temperaturas. A despeito do maquinário sofisticado de manutenção da homeostase celular, é sabido que uma variedade de fenômenos moleculares são capazes de induzir desequilíbrios localizados de energia vibracional, e que a eficiência com que cada proteína dissipa estas perturbações pode estar relacionada com a sua tolerância a altas temperaturas. No entanto, a transferência de energia térmica entre diferentes segmentos de uma cadeia proteica é difícil de caracterizar experimentalmente. Uma alternativa teórica para a investigação destes mecanismos é o emprego de simulações de Dinâmica Molecular, particularmente associadas à técnica de Difusão Térmica Anisotrópica (ATD). Aqui, verificamos a possibilidade de empregar conceitos da teoria de Redes Complexas para construir modelos para estruturas de proteínas, e por meio destes identificar resíduos com capacidade significativa de dissipar perturbações térmicas. Investigamos os diversos protocolos de construção de modelos de rede para proteínas encontrados na literatura, e utilizamos dados experimentais representativos da base SCOP para calcular com rigor os parâmetros numéricos necessários. Produzimos uma definição precisa para o conceito de contato entre resíduos de aminoácidos, e a partir desta calculamos a centralidade de cada resíduo. Com isto, demonstramos que, em um conjunto de Xilanases para as quais dispomos de dados de ATD, a capacidade de difundir perturbações térmicas é fortemente correlacionada com a centralidade de proximidade de cada resíduo, fornecendo argumentos para o uso de modelos de rede para estudar a termoestabilidade de proteínas. / Proteins are typically able to mantain a functional conformation only within a narrow range of temperatures. In spite of the complex cellular homeostatic machinery, it is known that a variety of molecular phenomena can induce localized vibrational imbalances, and that the efficiency with which each protein dissipates these perturbations may be related to its tolerance of higher temperatures. The transference of thermal energy among different sections of a protein chain is, however, hard to characterize experimentally. A theoretical alternative for the investigation of these mechanisms is the use of Molecular Dynamics simulations, particularly when associated with the Anisotropic Thermal Diffusion (ATD) technique. In this work, we verify the possibility of using concepts from Network Theory to construct models for protein structures, and using those to reveal residues with significant ability to dissipate thermal perturbations. We investigate several protocols of network model construction for proteins present in the literature, and we study representative experimental data from the SCOP database to rigorously calculate the necessary parameters. We produce a precise definition for the concept of contact between amino acid residues, and from this we calculate the centrality of each residue. We then show that, in a set of Xylanases for which we have data from ATD experiments, the ability to dissipate thermal perturbations is highly correlated to the closeness centrality of each residue, providing arguments for the use of network models to study protein thermal stability.

A classificação automática de textos em categorias pré-estabelecidas tem despertado grande interesse nos últimos anos devido à necessidade de organização do número crescente de documentos. A abordagem dominante para classificação é baseada na análise de conteúdo dos textos. Nesta tese, investigamos a aplicabilidade de atributos de estilo em tarefas tradicionais de classificação, usando a modelagem de textos como redes complexas, em que os vértices representam palavras e arestas representam relações de adjacência. Estudamos como métricas topológicas podem ser úteis no processamento de línguas naturais, sendo a tarefa de classificação apoiada por métodos de aprendizado de máquina, supervisionado e não supervisionado. Um estudo detalhado das métricas topológicas revelou que várias delas são informativas, por permitirem distinguir textos escritos em língua natural de textos com palavras distribuídas aleatoriamente. Mostramos também que a maioria das medidas de rede depende de fatores sintáticos, enquanto medidas de intermitência são mais sensíveis à semântica. Com relação à aplicabilidade da modelagem de textos como redes complexas, mostramos que existe uma dependência significativa entre estilo de autores e topologia da rede. Para a tarefa de reconhecimento de autoria de 40 romances escritos por 8 autores, uma taxa de acerto de 65% foi obtida com métricas de rede e intermitência de palavras. Ainda na análise de estilo, descobrimos que livros pertencentes ao mesmo estilo literário tendem a possuir estruturas topológicas similares. A modelagem de textos como redes também foi útil para discriminar sentidos de palavras ambíguas, a partir apenas de informação topológica dos vértices, evidenciando uma relação não trivial entre sintaxe e semântica. Para algumas palavras, a discriminação com redes complexas foi ainda melhor que a estratégia baseada em padrões de recorrência contextual de palavras polissêmicas. Os estudos desenvolvidos nesta tese confirmam que aspectos de estilo e semânticos influenciam na organização estrutural de conceitos em textos modelados como rede. Assim, a modelagem de textos como redes de adjacência de palavras pode ser útil não apenas para entender mecanismos fundamentais da linguagem, mas também para aperfeiçoar aplicações reais quando combinada com métodos tradicionais de processamento de texto. / The automatic classification of texts in pre-established categories is drawing increasing interest owing to the need to organize the ever growing number of electronic documents. The prevailing approach for classification is based on analysis of textual contents. In this thesis, we investigate the applicability of attributes based on textual style using the complex network (CN) representation, where nodes represent words and edges are adjacency relations. We studied the suitability of CN measurements for natural language processing tasks, with classification being assisted by supervised and unsupervised machine learning methods. A detailed study of topological measurements in texts revealed that several measurements are informative in the sense that they are able to distinguish meaningful from shuffled texts. Moreover, most measurements depend on syntactic factors, while intermittency measurements are more sensitive to semantic factors. As for the use of the CN model in practical scenarios, there is significant correlation between authors style and network topology. We achieved an accuracy rate of 65% in discriminating eight authors of novels with the use of network and intermittency measurements. During the stylistic analysis, we also found that books belonging to the same literary movement could be identified from their similar topological features. The network model also proved useful for disambiguating word senses. Upon employing only topological information to characterize nodes representing polysemous words, we found a strong relationship between syntax and semantics. For several words, the CN approach performed surprisingly better than the method based on recurrence patterns of neighboring words. The studies carried out in this thesis confirm that stylistic and semantic aspects play a crucial role in the structural organization of word adjacency networks. The word adjacency model investigated here might be useful not only to provide insight into the underlying mechanisms of the language, but also to enhance the performance of real applications implementing both CN and traditional approaches.