A complexidade dos dados armazenados em grandes bases de dados aumenta cada vez mais, criando a necessidade de novas operações de consulta. Uma classe de operações que tem apresentado interesse crescente são as chamadas Consultas por Similaridade, sendo as mais conhecidas as consultas por Abrangência (\'R IND. q\') e por k-Vizinhos mais Proximos (kNN), sendo que esta ultima obtem quais são os k elementos armazenados mais similares a um dado elemento de referência. Outra consulta que é interessante tanto para consultas diretas quanto como parte de operações de análises mais complexas e a operação de consulta aos k-Vizinhos mais Próximos Reversos (RkNN). Seu objetivo e obter todos os elementos armazenados que têm um dado elemento de referência como um dos seus k elementos mais similares. Devido a complexidade de execução da operação de RkNN, a grande maioria das soluções existentes restringem-se a dados representados em espaços multidimensionais euclidianos (nos quais estão denidas tambem operações cardinais e topológicas, além de se considerar a similaridade como sendo a distância Euclidiana entre dois elementos), ou então obtém apenas respostas aproximadas, sujeitas a existência de falsos negativos. Várias aplicações de análise de dados científicos, médicos, de engenharia, financeiros, etc. requerem soluções eficientes para o problema da operação de RkNN sobre dados representados em espaços métricos, onde os elementos não podem ser considerados estar em um espaço nem Euclidiano nem multidimensional. Num espaço métrico, além dos próprios elementos armazenados existe apenas uma função de comparação métrica entre pares de objetos. Neste trabalho, são propostas novas podas de espaço de busca e o algoritmo RkNN-MG que utiliza essas novas podas para solucionar o problema de consultas RkNN exatas em espaços métricos sem limitações. Toda a proposta supõe que o conjunto de dados esta em um espaço métrico imerso isometricamente em espaço euclidiano e utiliza propriedades da geometria métrica válida neste espaço para realizar podas eficientes por lei dos cossenos combinada com as podas tradicionais por desigualdade triangular. Os experimentos demonstram comparativamente que as novas podas são mais eficientes que as tradicionais podas por desigualdade triangular, tendo desempenhos equivalente quando comparadas em conjuntos de alta dimensionalidade ou com dimensão fractal alta. Assim, os resultados confirmam as novas podas propostas como soluções alternativas eficientes para o problema de consultas RkNN / Data stored in large databases present an ever increasing complexity, pressing for the development of new classes of query operators. One such class, which is enticing an increasing interest, is the so-called Similarity Queries, where the most common are the similarity range queries (\'R IND. q\') and the k-nearest neighbor queries (kNN). A k-nearest neighbor query aims at retrieving the k stored elements nearer (or more similar) to a given reference element. Another important similarity query is the reverse k-nearest neighbor (RkNN), useful both for queries posed directly by the analyst and for queries that are part of more complex analysis processes. The objective of a reverse k-nearest neighbor queries is obtaining the stored elements that has the query reference element as one of their k-nearest neighbors. As the RkNN operation is a rather expensive operation, from the computational standpoint, most existing solutions only solve the query when applied over Euclidean multidimensional spaces (as these spaces also define cardinal and topological operations besides the Euclidean distance between pairs of elements) or retrieve only approximate answers, where false negatives can occur. Several applications, like the analysis of scientific, medical, engineering or financial data, require efficient and exact answers for the RkNN queries over data which is frequently represented in metric spaces, that is where no other property besides the similarity measure exists. Therefore, for applications handling metrical data, the assumption of Euclidean metric or even multidimensional data cannot be used. In this work, we propose new pruning rules based on the law of cosines, and the RkNN-MG algorithm, which uses them to solve RkNN queries in a way that is exact, faster than the existing approaches, that is not limited for any value of k, and that can be applied both over static and over dynamic datasets. The new pruning rules assume that the data set is in a metric space that can be embedded into an Euclidean space and use metric geometry properties valid in this space to perform effective pruning based on the law of cosines combined with the traditional pruning based on the triangle inequality property. The experiments show that the new pruning rules are alkways more efficient than the traditional pruning rules based solely on the triangle inequality. The experiments show that for high high dimensionality datasets, or for metric datasets with high fractal dimensionality, the performance improvement is smaller than for for lower dimensioinality datasets, but it\'s never worse. Thus, the results confirm that the our pruning rules are efficient alternative to solve RkNN queries in general

A complexidade dos dados armazenados em grandes bases de dados aumenta cada vez mais, criando a necessidade de novas operações de consulta. Uma classe de operações que tem apresentado interesse crescente são as chamadas Consultas por Similaridade, sendo as mais conhecidas as consultas por Abrangência (\'R IND. q\') e por k-Vizinhos mais Proximos (kNN), sendo que esta ultima obtem quais são os k elementos armazenados mais similares a um dado elemento de referência. Outra consulta que é interessante tanto para consultas diretas quanto como parte de operações de análises mais complexas e a operação de consulta aos k-Vizinhos mais Próximos Reversos (RkNN). Seu objetivo e obter todos os elementos armazenados que têm um dado elemento de referência como um dos seus k elementos mais similares. Devido a complexidade de execução da operação de RkNN, a grande maioria das soluções existentes restringem-se a dados representados em espaços multidimensionais euclidianos (nos quais estão denidas tambem operações cardinais e topológicas, além de se considerar a similaridade como sendo a distância Euclidiana entre dois elementos), ou então obtém apenas respostas aproximadas, sujeitas a existência de falsos negativos. Várias aplicações de análise de dados científicos, médicos, de engenharia, financeiros, etc. requerem soluções eficientes para o problema da operação de RkNN sobre dados representados em espaços métricos, onde os elementos não podem ser considerados estar em um espaço nem Euclidiano nem multidimensional. Num espaço métrico, além dos próprios elementos armazenados existe apenas uma função de comparação métrica entre pares de objetos. Neste trabalho, são propostas novas podas de espaço de busca e o algoritmo RkNN-MG que utiliza essas novas podas para solucionar o problema de consultas RkNN exatas em espaços métricos sem limitações. Toda a proposta supõe que o conjunto de dados esta em um espaço métrico imerso isometricamente em espaço euclidiano e utiliza propriedades da geometria métrica válida neste espaço para realizar podas eficientes por lei dos cossenos combinada com as podas tradicionais por desigualdade triangular. Os experimentos demonstram comparativamente que as novas podas são mais eficientes que as tradicionais podas por desigualdade triangular, tendo desempenhos equivalente quando comparadas em conjuntos de alta dimensionalidade ou com dimensão fractal alta. Assim, os resultados confirmam as novas podas propostas como soluções alternativas eficientes para o problema de consultas RkNN / Data stored in large databases present an ever increasing complexity, pressing for the development of new classes of query operators. One such class, which is enticing an increasing interest, is the so-called Similarity Queries, where the most common are the similarity range queries (\'R IND. q\') and the k-nearest neighbor queries (kNN). A k-nearest neighbor query aims at retrieving the k stored elements nearer (or more similar) to a given reference element. Another important similarity query is the reverse k-nearest neighbor (RkNN), useful both for queries posed directly by the analyst and for queries that are part of more complex analysis processes. The objective of a reverse k-nearest neighbor queries is obtaining the stored elements that has the query reference element as one of their k-nearest neighbors. As the RkNN operation is a rather expensive operation, from the computational standpoint, most existing solutions only solve the query when applied over Euclidean multidimensional spaces (as these spaces also define cardinal and topological operations besides the Euclidean distance between pairs of elements) or retrieve only approximate answers, where false negatives can occur. Several applications, like the analysis of scientific, medical, engineering or financial data, require efficient and exact answers for the RkNN queries over data which is frequently represented in metric spaces, that is where no other property besides the similarity measure exists. Therefore, for applications handling metrical data, the assumption of Euclidean metric or even multidimensional data cannot be used. In this work, we propose new pruning rules based on the law of cosines, and the RkNN-MG algorithm, which uses them to solve RkNN queries in a way that is exact, faster than the existing approaches, that is not limited for any value of k, and that can be applied both over static and over dynamic datasets. The new pruning rules assume that the data set is in a metric space that can be embedded into an Euclidean space and use metric geometry properties valid in this space to perform effective pruning based on the law of cosines combined with the traditional pruning based on the triangle inequality property. The experiments show that the new pruning rules are alkways more efficient than the traditional pruning rules based solely on the triangle inequality. The experiments show that for high high dimensionality datasets, or for metric datasets with high fractal dimensionality, the performance improvement is smaller than for for lower dimensioinality datasets, but it\'s never worse. Thus, the results confirm that the our pruning rules are efficient alternative to solve RkNN queries in general

A soja, o milho e o algodão são as culturas de enorme importância econômica no Brasil, pois juntas ocupam grande parte da área agrícola no país. Além disso, essas culturas são essenciais no fornecimento de alimento e fibras para uma crescente população mundial. Vários fatores podem afetar a produção das mesmas, sendo que os nematoides anualmente causam bilhões de dólares de perdas. As principais técnicas disponíveis para o manejo dos nematoides são rotação de culturas, cultivares resistentes e nematicidas químicos. Apesar de o controle químico ser uma ferramenta viável, há poucos nematicidas disponíveis no Brasil. Como inovação entre os nematicidas, o tioxazafen é uma nova molécula de amplo espectro, desenvolvida para aplicação via tratamento de sementes, para o controle de nematoides nas culturas do milho, da soja e do algodão. Portanto, seu desenvolvimento e posterior registro poderão fornecer uma nova alternativa ao manejo integrado de nematoides aos produtores brasileiros. Assim, esse trabalho teve como objetivos avaliar a eficácia do nematicida tioxazafen, por meio do tratamento de sementes, no controle de Heterodera glycines, Meloidogyne javanica e Pratylenchus brachyurus na soja; M. incognita e P. zeae no milho; e M. incognita no algodão. Além disso, foram avaliados possíveis efeitos fitotóxicos do tratamento de sementes com tioxazafen nas mesmas culturas. Ensaios de casa de vegetação foram conduzidos para avaliação do efeito do tratamento de sementes na população de nematoides, em plantas artificialmente infestadas, bem como na massa de raízes e parte aérea das plantas. O tioxazafen demonstrou supressão substancial na população de nematoides em todas as espécies testadas nas três culturas, com atividade igual ou maior que à referência comercial (imidacloprido + tiodicarbe). As melhores doses observadas foram de 0,250 mg de tioxazafen por semente no controle de M. javanica e de P. brachyurus em soja, 0,500 mg por semente no controle de H. glycines na soja e de M. incognita no milho, 0,750 mg por semente no controle de M. incognita no algodão e 1,000 mg por semente no controle de P. zeae no milho. As plantas tratadas com tioxazafen não exibiram sintomas de fitotoxidez e desenvolveram biomassa similar às plantas não tratadas. Esses resultados mostram o potencial do tioxazafen em se tornar um efetivo tratamento de sementes para controle dos principais nematoides da soja, do milho e do algodão no Brasil,com baixos riscos de fitotoxidez. / Corn, soybean and cotton crops are of great economic importance in Brazil. They together account for the greatest amount of planted area in country. These crops are essential for keeping and providing enough food and fiber for a growing world population. Many factors can affect the production of these crops, and the nematodes are among the most relevant, causing crop losses that reach into billions of dollars. The main techniques available for managing nematodes are crop rotation, resistant cultivars and chemical nematicides. Chemical control is one of the key tools, but there are only a few nematicides available in the Brazilian market. Tioxazafen is a novel nematicide for seed treatment designed to provide consistent broad-spectrum control of nematodes in corn, soy, and cotton. Therefore, the registration of this molecule will provide an important tool to Brazilian farmers that suffer losses due to nematodes. Thereby, the current trials aimed to evaluate the efficacy of tioxazafen through seed treatment to control Heterodera glycines, Meloidogyne javanica and Pratylenchus brachyurus in soybean; M. incognita and P. zeae in corn, and M. incognita in cotton. Furthermore, were evaluated if tioxazafen may cause phytotoxicity in these crops. Greenhouse experiments were carried out to evaluate the effects of seed treatments on nematode population densities, and plant shoot and root weight. Tioxazafen demonstrated substantial suppression of nematode population to all species tested in three crops, with activity equaled or exceeded commercial standard nematode seed treatments (imidacloprid + thiodicarb). The best rates observed were 0.250 mg of tioxazafen per seed to control de M. javanica and P. brachyurus in soybean, 0.500 mg per seed to control H. glycines in soybean and M. incognita in corn, 0.750 mg per seed to control M. incognita in cotton and 1.000 mg per seed to control lesion P. zeae in corn. Tioxazafen treated plants also did not exhibit phytotoxicity and grow equally to untreated plants. These results demonstrated the potential of tioxazafen for the control of the main nematodes in soybean, corn and cotton, without the risk of phytotoxicity.

A soja, o milho e o algodão são as culturas de enorme importância econômica no Brasil, pois juntas ocupam grande parte da área agrícola no país. Além disso, essas culturas são essenciais no fornecimento de alimento e fibras para uma crescente população mundial. Vários fatores podem afetar a produção das mesmas, sendo que os nematoides anualmente causam bilhões de dólares de perdas. As principais técnicas disponíveis para o manejo dos nematoides são rotação de culturas, cultivares resistentes e nematicidas químicos. Apesar de o controle químico ser uma ferramenta viável, há poucos nematicidas disponíveis no Brasil. Como inovação entre os nematicidas, o tioxazafen é uma nova molécula de amplo espectro, desenvolvida para aplicação via tratamento de sementes, para o controle de nematoides nas culturas do milho, da soja e do algodão. Portanto, seu desenvolvimento e posterior registro poderão fornecer uma nova alternativa ao manejo integrado de nematoides aos produtores brasileiros. Assim, esse trabalho teve como objetivos avaliar a eficácia do nematicida tioxazafen, por meio do tratamento de sementes, no controle de Heterodera glycines, Meloidogyne javanica e Pratylenchus brachyurus na soja; M. incognita e P. zeae no milho; e M. incognita no algodão. Além disso, foram avaliados possíveis efeitos fitotóxicos do tratamento de sementes com tioxazafen nas mesmas culturas. Ensaios de casa de vegetação foram conduzidos para avaliação do efeito do tratamento de sementes na população de nematoides, em plantas artificialmente infestadas, bem como na massa de raízes e parte aérea das plantas. O tioxazafen demonstrou supressão substancial na população de nematoides em todas as espécies testadas nas três culturas, com atividade igual ou maior que à referência comercial (imidacloprido + tiodicarbe). As melhores doses observadas foram de 0,250 mg de tioxazafen por semente no controle de M. javanica e de P. brachyurus em soja, 0,500 mg por semente no controle de H. glycines na soja e de M. incognita no milho, 0,750 mg por semente no controle de M. incognita no algodão e 1,000 mg por semente no controle de P. zeae no milho. As plantas tratadas com tioxazafen não exibiram sintomas de fitotoxidez e desenvolveram biomassa similar às plantas não tratadas. Esses resultados mostram o potencial do tioxazafen em se tornar um efetivo tratamento de sementes para controle dos principais nematoides da soja, do milho e do algodão no Brasil,com baixos riscos de fitotoxidez. / Corn, soybean and cotton crops are of great economic importance in Brazil. They together account for the greatest amount of planted area in country. These crops are essential for keeping and providing enough food and fiber for a growing world population. Many factors can affect the production of these crops, and the nematodes are among the most relevant, causing crop losses that reach into billions of dollars. The main techniques available for managing nematodes are crop rotation, resistant cultivars and chemical nematicides. Chemical control is one of the key tools, but there are only a few nematicides available in the Brazilian market. Tioxazafen is a novel nematicide for seed treatment designed to provide consistent broad-spectrum control of nematodes in corn, soy, and cotton. Therefore, the registration of this molecule will provide an important tool to Brazilian farmers that suffer losses due to nematodes. Thereby, the current trials aimed to evaluate the efficacy of tioxazafen through seed treatment to control Heterodera glycines, Meloidogyne javanica and Pratylenchus brachyurus in soybean; M. incognita and P. zeae in corn, and M. incognita in cotton. Furthermore, were evaluated if tioxazafen may cause phytotoxicity in these crops. Greenhouse experiments were carried out to evaluate the effects of seed treatments on nematode population densities, and plant shoot and root weight. Tioxazafen demonstrated substantial suppression of nematode population to all species tested in three crops, with activity equaled or exceeded commercial standard nematode seed treatments (imidacloprid + thiodicarb). The best rates observed were 0.250 mg of tioxazafen per seed to control de M. javanica and P. brachyurus in soybean, 0.500 mg per seed to control H. glycines in soybean and M. incognita in corn, 0.750 mg per seed to control M. incognita in cotton and 1.000 mg per seed to control lesion P. zeae in corn. Tioxazafen treated plants also did not exhibit phytotoxicity and grow equally to untreated plants. These results demonstrated the potential of tioxazafen for the control of the main nematodes in soybean, corn and cotton, without the risk of phytotoxicity.