São apresentadas técnicas para a extração de feições humanas a partir de duas imagens ortogonais, por onde será possível gerar um modelo tridimensional para futura síntese da face humana. Como o propósito deste estudo é trabalhar com faces humanas, partiu-se do princípio que esta possui características bem conhecidas, tais como posicionamento dos olhos, boca, nariz, curvatura, etc. Aproveitando esse conhecimento prévio, foi buscado inseri-lo no contexto geral e facilitar o reconhecimento automático das partes procuradas, construindo algoritmos que busquem essas características em regiões específicas da face. Essa abordagem, embora torne o processo mais veloz, acaba impondo restrições ao modelo que, contudo, não impossibilita sua execução na grande maioria dos casos. Extraídas as feições nas duas vistas, foi desenvolvido um trabalho de calibração das imagens e a partir das informações bidimensionais foi criado o modelo tridimensional. Por fim, o depósito da textura sobre o novo modelo é apresentado, que se baseia na extração da textura das duas imagens ortogonais previamente obtidas, que deverão ser suavizadas e posteriormente transferidas para a superfície.

A busca e recuperação de modelos tridimensionais de engenharia baseada em sua forma é um importante recurso para alavancar a reutilização de soluções de projeto pré-existentes no desenvolvimento de novos produtos. A reutilização de dados diminui o tempo de chegada ao mercado, reduz custos e minimiza os riscos, ao adotar conceitos já testados e com maior grau de maturidade. A maioria das ferramentas existentes para comparação de modelos 3D destina-se a uso geral em bases de dados multimídia. Elas apresentam resultados fracos no domínio de engenharia mecânica, quando aplicadas em bases de modelos gerados por aplicação de projeto auxiliado por computador (CAD). Esta tese propõe uma solução para melhorar o desempenho da busca 3D para esses casos. Nossa abordagem leva em conta, além da forma, também os objetivos de projeto, análise de engenharia e processo de fabricação para estimar similaridade entre modelos. Esses dados, obtidos a partir da estrutura construtiva do modelo, permitem a construção de um vetor de características com maior valor semântico e um poder discriminante superior ao da pura comparação geométrica e topológica. A validade da proposta é verificada com a construção de um arcabouço de testes que implementa técnicas de aprendizagem não supervisionadas para particionar conjuntos de modelos CAD em famílias de peças com características comuns e intercambiáveis. A qualidade do particionamento é avaliada por indicadores quantitativos e qualitativos.

A mineração de dados se divide em algumas categorias, dentre elas a mineração de outliers. Outliers são registros que não seguem padrões esperados. Eles podem ser interpretados como ruídos ou falhas de medição, sendo assim descartados, mas também podem ser considerados casos especiais que trazem relatos úteis que podem ser usados para encontrar novas oportunidades de negócio, falhas ou indícios de fraudes. Em alguns setores, é importante que a detecção de outliers ocorra com a maior antecedência possível, de modo que ações possam ser tomadas o quanto antes. Nesta dissertação, propomos uma abordagem denominada Comprass para mineração de outliers. Utilizamos a técnica de mineração denominada Regras de Associação, mais especificamente o algoritmo Apriori, para definirmos os padrões comportamentais a serem utilizados em nossa abordagem. A abordagem Comprass permite atribuir pesos a variáveis e o valor máximo aceitável para discordância do padrão. Em nosso estudo, os pesos e o valor máximo aceitável é atribuído manualmente pelo especialista da área. O uso da abordagem Comprass permite que a mineração de outliers possa ser feita em tempo real, ou seja, à medida que os dados são coletados pelos sistemas de aquisição de dados. A abordagem Comprass utiliza as regras de associação geradas para comparar o novo registro mensurando, por meio dos pesos atribuídos às variáveis, qual a variação do novo registro em relação ao padrão estabelecido pelas regras. Na abordagem Comprass, uma possível mudança no padrão analisado não é refletida de forma incremental e precisa de nova geração das regras considerando os novos registros. A abordagem Comprass foi testada em bases de dados reais e sintéticos dos setores de telefonia e meteorologia.

Este trabalho tem por objetivo apresentar o projeto de uma rotina para determinação automática de rota para planejamento de missões aéreas de combate. É descrito o processo de planejamento de uma missão aérea de combate e é apresentado um modelo do teatro de operações. A partir disso, uma proposta de solução é desenvolvida. Um protótipo da rotina, construído para demonstrar os principais requisitos e permitir a avaliação da solução proposta, é também apresentado.

Este trabalho tem como objetivo desenvolver e avaliar altoritmos aplicados a sistemas automáticos de análise de eletrocardiogramas. Os algoritmos desenvolvidos são capazes de analisar um canal de eletrocardiograma. Os batimentos cardíacos são detectados com o uso de algoritmos para reconhecimento de padrões que acusam a existência de complexos QRS. É feita, então, a extração de parâmetros temporais e morfológicas dos batimentos detectados e, em seguida, se dá a classificação através do agrupamento de batimentos semelhantes. Para avaliação de desempenho dos algoritmos, os resultados obtidos pelo sistema automático na análise de eletrocardiogramas reais são comparados à análise feita por médicos especialistas. O desenvolvimento do trabalho foi realizado na linha de microcomputadores IBM-PC compatíveis. Os resultados obtidos indicam que os algoritmos desenvolvidos podem ser utilizados, em tempo real, em sistemas automáticos para análise de eletrocardiogramas nesta linha de computadores.

O desenvolvimento de métodos para monitoramento da saúde de componentes aeronáuticos mostra-se desafiador por tratar de equipamentos expostos a variadas condições de operação e com limitado número de dados históricos de sensores para componentes com falha. A utilização de técnicas de análise multivariada envolvendo variáveis sensíveis a falhas e condições de operação mostra-se um alternativa para tratar estes problemas. A literatura apresenta alguns métodos para esta finalidade, como as estatística T2 de Hotelling e U2 de Runger sendo o segundo método vantajoso pois realiza o monitoramento através da coleta de variáveis sensíveis a falha e condições de operação, concentrando a análise nas variáveis sensíveis a falha, denominadas variáveis de interesse. A utilização de tais métodos tem com premissa a distribuição gaussiana dos dados. Para dados não gaussianos a literatura apresenta métodos baseados em técnicas de não paramétricas, porém sem possibilitar a seleção de variáveis de interesse. O trabalho desenvolvido apresenta um método de monitoramento da saúde de componentes para dados não gaussianos com a possibilidade de seleção de variáveis de interesse. O método foi testado utilizando um modelo dinâmico de uma turbina a gás e um modelo dinâmico de um sistema de atuação.

Esta tese propõe um novo método para casamento de mapas métricos gerados por diferentes robôs que atuam cooperativamente. Este processo de casamento de informações em robótica móvel possibilita a geração de mapas globais a partir dos mapas locais (possivelmente parciais e inconsistentes) gerados por robôs individuais. O método proposto é baseado em um modelo de redes neurais artificiais paraconsistentes que consideram como entradas informações pré-processadas de distâncias entre os pontos de interesses dos mapas. A rede neural analisa essas entradas para determinar quais são as combinações de crenças e contradições entre os pontos dos mapas distintos. O algoritmo implementado para a arquitetura neural proposta neste trabalho obteve resultados e desempenho computacional satisfatórios nos experimentos relatados, considerando as combinações das informações de distâncias métricas (Euclidiana e Manhattan) e ângulo entre retas que interligam dois pontos do mapa. Como efeito colateral, possibilita a determinação dos graus de certeza e contradição na análise dos casamentos dos pontos dos mapas, característica que pode ser útil para a tomada de decisão. Igualmente importante é o fato de que a arquitetura considerada permite a combinação de informações de mapas parciais distintos em tempo de execução durante a navegação.

No que tange ao emprego militar, é recomendável que veículos aéreos não tripulados efetuem sua navegação de maneira autônoma e independente do GPS, pois os sinais deste podem ser bloqueados ou ser alvo de interferência. Dessa forma, uma boa alternativa é pautar a navegação desses veículos em visão computacional. Este trabalho vai ao encontro com as reais necessidades do projeto PITER, na busca de se segmentar imagens aéreas em porções urbanas e não urbanas, fazendo uso dos algoritmos não supervisionados Fuzzy C-Médias, Mistura de Gaussianas, Distância Euclidiana e K-Médias, além de ser utilizado o algoritmo de classificação por contexto após a classificação. Por fim, é mostrada qual combinação de algoritmos gera os melhores resultados.

Este trabalho tem como objetivo principal propor um método, baseado em técnicas de aprendizagem de máquina, para a detecção de trajetórias anômalas em relação a um conjunto de trajetórias, com vista à aplicação em monitoramento de tráfego aéreo. Dadas as características do tráfego aéreo (regulamentação, economia, segurança) existe uma certa regularidade nas trajetórias das aeronaves de tal forma que o seu comportamento conjunto pode ser modelado e eventuais desvios desse modelo podem ser detectados. A fim de comprovar esta hipótese, dados reais de tráfego aéreo da área de controle terminal de São Paulo (TMA-SP) foram obtidos e armazenados em um sistema gerenciador de banco de dados. Aplicações de visualização foram implementadas para permitir um exame visual das trajetórias e um estimador de densidade por função de núcleo multivariado foi utilizado para verificar as direções predominantes do tráfego. Um modelo de representação das trajetórias baseado na Transformada Discreta de Fourier é proposto e utilizado na preparação de um conjunto de trajetórias que alimentam um algoritmo de agrupamento. Este algoritmo foi capaz de identificar os procedimentos principais do tráfego, e as trajetórias rotuladas por este procedimento foram utilizadas por um método proposto de classificação de pontos individuais de trajetórias que obteve êxito na detecção de trajetórias anômalas, confirmando as hipóteses deste trabalho.

Neste trabalho apresentamos um estudo sobre técnicas de classificação com uso de conjunto representativo. Existem diferentes técnicas aplicadas à classificação, sendo uma das principais vantagens da classificação com conjuntos representativos a simplicidade de implementação e de entendimento. Porém, para a composição deste conjunto, ainda existem dificuldades a serem abordadas. Neste trabalho estamos interessados em três destas dificuldades que consideramos importantes, que são a escolha do tamanho do conjunto representativo, a distribuição dos vetores representativos entre os grupos/classes e como evoluir este conjunto com uma menor dependência de seu estado inicial. A maneira como estas dificuldades são enfrentadas atualmente é discutida através de uma revisão bibliográfica onde apresentamos trabalhos relacionados. Um dos produtos deste trabalho é a proposta de uma alteração no método de aprendizado Growing Neural Gás (FRITZKE, 1995) para que permita a classificação reduzindo a influência dos problemas abordados, o qual foi testado com problemas de classificação largamente conhecidos, e também demonstrado com a implementação de um estudo de caso de reconhecimento de voz. Com base nos testes apresentados foi possível verificar que o método proposto é eficiente na abordagem dos problemas considerados, atingindo níveis de precisão comparáveis aos de outros métodos de classificação com menor necessidade de conhecimento prévio dos dados.