Estudos em redes complexas têm ganhado cada vez mais atenção devido ao seu potencial de representação simples de modelos complexos em diversas áreas de conhecimento. A obtenção de modelos quantitativos que representem fenômenos observados da natureza, assim como o desenvolvimento de metodologias de caracterização de redes complexas, tornaram-se essenciais para a compreensão e desenvolvimento de pesquisas com essas estruturas. Este trabalho tem como objetivo desenvolver e estudar alguns métodos recentes, usados para a caracterização de redes complexas, explorando-os no contexto da modelagem de conhecimento. Para isso, duas redes complexas foram geradas, uma rede de colaboração de pesquisadores da USP e outra obtida a partir do banco de dados de artigos da Wikipédia, considerando apenas aqueles da categoria de teoremas matemáticos. As medidas concêntricas, que foram recentemente formalizadas, são exploradas e aplicadas às redes descritas, assim como para diversos modelos teóricos, fornecendo informações muito relevantes sobre a topologia dessas redes. Resultados ainda mais interessantes são obtidos pela caracterização dos vértices da rede de colaboração, que revelam padrões de interdisciplinaridade entre as diferentes áreas do conhecimento. Um modelo de aquisição de conhecimento também foi proposto, aplicando a utilização de simulações de múltiplos agentes interagentes que caminham por uma rede complexa segundo uma heurística auto-esquivante. Resultados dessas simulações, realizadas para a rede da Wikipédia e outros modelos teóricos, mostram que certas configurações de parâmetros e de redes apresentam melhor desempenho na aquisição do conhecimento, com a rede de teoremas apresentando o pior deles. Entretanto, diferentemente do que era esperado, a variação da memória dos agentes pouco influência a velocidade de aquisição de conhecimento dos agentes. A freqüência de acesso dos vértices pelos agentes também foi determinada e explorada superficialmente. Diversos softwares foram desenvolvidos para uso neste projeto de mestrado, dentre eles destaca-se o visualizador 3D, que se tornou indispensável para a análise das contribuições das outras propriedades apresentadas. / Studies of complex networks have gained increasing research interest in recent years, in part due to its potential for simple representation of complex systems in various fields of science. The needs of quantitative models representing observed phenomena, as well the development of methods for the characterization of complex networks, is a essential matter for the development and understanding of scientific researches exploring such structures. This work aims to develop and study some new methods for the characterization of complex networks, exploring them in the context of knowledge modeling. Initially, two complex networks were developed, a collaborative network of researchers from the Universidade de Sao Paulo and the other obtained from the database of Wikip´edia articles, considering only those strict related to mathematical theorems. The recently formalized concentric measurements are explored and applied to the described networks, as well to other several theoretical models, providing much more information about the topology of these networks than by the use of traditional measurements. Even more interesting results are obtained by the characterization of the vertices of the collaboration network, which reveal patterns of interdisciplinarity among the many fields of science. A model of knowledge acquisition has also been proposed by the use of simulations of multiple interacting agents walking through a complex network in self-avoiding trajectories. Results of those simulations, performed for the network of Wikipedia and other theoretical models shows that certain sets of parameters and networks perform better in the acquisition of knowledge, through the network of theorems presenting the worst of them. However, unlike what should be expected on the basis of intuition, the agents memories do not play much influence to the speed of acquisition of knowledge. The agent access frequencies of vertices was also been obtained and explored superficially in order to determine where the agents walk more ofen. Several softwares had been developed in this masters thesis project, among these, there is a complex network computational visualization tool, which had become indispensable for the many analysis of the contributions obtained by the use of the other described properties.

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.

Fenômenos coletivos em redes sociais como a formação de linguagem ou cultura, crenças, emergência de consenso em relação a algum assunto, aquisição de conhecimento e aprendizagem, dentre outros, tem conduzido a um grande interesse no estudo de comportamentos cooperativos e fenômenos sociais, resultando numa grande variedade de dinâmicas de opinião. Nestes modelos, uma população de agentes interagentes carrega uma variável (ou um conjunto delas) numérica cujo valor representa uma opinião sobre um tópico, com interpretações distintas em cada contexto. Inspirados em conceitos de mecânica estatística e mecanismos sociais, estes estados evoluem governados por regras matemáticas que controlam a dinâmica de interação entre os agentes e a influência de fatores externos. Outro ingrediente importante na modelagem de sistemas reais é que a representação das interações entre agentes difere bastante de reticulados ou misturas homogêneas, sendo mais bem descritas por redes complexas. Neste trabalho, estudamos a dinâmica de opinião de Krause e Hegselmann. Neste modelo, agentes possuem opiniões que assumem valores contínuos e são atualizados de acordo com a vizinhança compatível, definida pelo princípio da confiança limitada. Após apresentar uma revisão da literatura, estudamos a dinâmica de opinião no contexto de Redes Complexas, seguido de modificações do modelo que consideram a ação de ruído e campo externo (propaganda). Finalmente, propomos um modelo de consenso cuja interpretação está inserida no contexto de aquisição de conhecimento por agentes interagentes que realizam observações sujeitas a erros. Os resultados mostram como os diferentes tipos de topologia influenciam no comportamento das dinâmicas. / Collective phenomena in social networks such as formation of language or culture, beliefs, emergence of consensus on any subject, knowledge acquisition and learning, among others, has led to an increasing interest in the study of cooperative behavior and social phenomena, resulting in great variety of opinion dynamics. In these models, a population of interacting agents holds a variable (or a set of them) whose numerical value is an opinion on a topic, with different interpretations in each context. Inspired by concepts from statistical mechanics and social mechanisms, these states evolve governed by mathematical rules that control the dynamics of interaction between agents and the influence of external factors. Another important ingredient in the modeling of real systems is the representation of the interactions between agents, which strongly differs from lattices or fully mixed states, being better described by complex networks. In the present work, we study the opinion dynamics of Krause and Hegselmann. In this model, agents hold opinions that assume continuous values and are updated according to their compatible neighborhood, defined by the bounded confidence principle. After presenting a literature review, we studied the opinion dynamics in the context of complex networks, followed by modifications of the model considering the effect of noise and external field (advertising). Finally, we propose a consensus model interpreted as a process of knowledge acquisition by interacting agents that make observations subject to errors. The results show how the topology influences the dynamic behavior.

A teoria das redes complexas é uma área relativamente nova da Ciência, inspirada por dados empíricos tais como os obtidos de interações biológicas e sociais. Esta área apresenta uma natureza altamente interdisciplinar, de modo que tem unido cientistas de diferentes áreas, tais como matemática, física, biologia, ciência computação, sociologia, epidemiologia e muitas outras. Um dos problemas fundamentais nessa área é entender como a organização de redes complexas influencia em processos dinâmicos, como sincronização, propagação de epidemias e falhas e ataques. Nessa dissertação, é apresentada uma análise da relação entre estrutura e robustez de redes complexas através da remoção de vértices. Para a aplicação deste estudo, foram adquiridas bases de dados de interações de proteínas de quatro espécies, Saccharomyces cerevisiae, Caenorhabditis elegans, Drosophila melanogaster e Homo sapiens, como também mapas das malhas de rodovias de sete países, Brasil, Portugal, Polônia, Romênia, Austrália, Índia e África do Sul. Foi estudada a robustez dessas redes através de simulação de falhas e ataques, segundo uma dinâmica de remoção de vértices. Nesse caso, a variação na estrutura das redes devido a essa remoção foi quantificada pelas medidas do tamanho da maior componente conectado, do diâmetro e da média dos comprimentos dos menores caminhos. Ademais, foram utilizadas duas medidas para quantificar a robustez, isto é, a entropia da distribuição das conexões e entropia dinâmica, baseada em cadeias de Markov. Tais medidas foram aplicadas nas redes reais onde se verificou que as espécies mais complexas, como o homem e a mosca, apresentam as redes mais robustas. Com relação aos países, Romênia, Portugal e Brasil apresentam as malhas rodoviárias mais resistentes a perturbações. A correlação entre essas medidas de entropia e as medidas topológicas permitiu identificar que a média do grau dos vizinhos e o coeficiente da lei de potência da distribuição do número de conexões são as medidas que apresentam maior correlação com as medidas de entropia. Tal resultado sugere que a presença de conexões alternativas entre os vizinhos dos vértices removidos favorece a resiliência das redes, pois tendem a minimizar as perturbações causadas pelas remoções. No caso das malhas rodoviárias, foi proposta uma nova medida de acessibilidade e esta se mostrou altamente correlacionada com a entropia dinâmica. Nesse caso, verificou-se que as cidades localizadas no litoral e nas fronteiras dos países são as que menos contribuem para robustez das redes de rodovias. Desse modo, os resultados obtidos sugerem que o planejamento do sistema de transporte de um país deve priorizar o investimento em infra-estrutura rodoviária próximo das cidades com menor acessibilidade, de forma a torná-las mais acessíveis, visando melhorar o transporte de mercadorias e pessoas. Os métodos aqui propostos permitem identificar tais cidades. Ademais, na análise de redes de proteínas, os resultados obtidos podem auxiliar no desenvolvimento de novos modelos de redes, bem como entender os mecanismos evolutivos que priorizam a robustez dos organismos. / The study of complex networks is a relatively new area of science inspired by the empirical studies of real-world networks, such as social and biological networks. This are has a highly multidisciplinary nature, which has brought together researchers from many areas including mathematics, physics, biology, computer science, sociology, epidemiology, statistics and others. One of the main problems in this area is to know how the network organization is related to dynamic process, such as synchronization, epidemic spreading and topological perturbation due to deletion of nodes and edges. In this dissertation, it is presented a study of the relationship between the structure and resilience of complex networks. This investigation was applied to the protein-protein networks of four species, namely Saccharomyces cerevisiae, Caenorhabditis elegans, Drosophila melanogaster and Homo sapiens, as well as the road networks of seven countries, i.e. Brazil, Portugal, Romania, Australia, India, and South Africa. It was studied the resilience of such networks through simulations of random fails and attacks by node deletion. The topological changes due to this simulation were quantified by measures, including the size of the largest component, the diameter and the average shortest path length. In addition, the network robustness was quantified by the entropy of the degree distribution and the dynamic entropy, related to Markov chains. This analysis in real-world networks revealed that more complex species, such as the H. sapiens and D. melanogaster are the most resilient. In addition, Romania, Brazil and Portugal have the most robust road maps. The correlation analysis between topological and dynamic measures revealed that the average neighborhood degree and the coefficient of scaling in the power law of the degree distribution quantify the proprieties that most contribute for the resilience in protein networks. Moreover, with respect to the road networks, it was introduced a new accessibility measure, which revealed to be correlated to the dynamic entropy. In fact, cities localized in the border of networks are the ones with the smallest contribution for the network resilience. Therefore, the obtained results suggest that the traffic planning should mainly connect cities near the frontiers of countries, in order to improve the resilience and accessibility. In addition, the obtained results with respect to protein networks allow improving network modeling and understanding the biological processes that reinforce the resilience of organisms.

Processos de sincronização são observados em uma imensa quantidade de sistemas físicos, biológicos, químicos, tecnológicos e sociais. Tais sistemas podem ser descritos e modelados utilizando a teoria das redes complexas, de forma que o completo entendimento da emergência do comportamento coletivo nestes sistemas complexos só é alcançado por teorias que englobam a interação entre seus elementos. Nesta dissertação, estudamos a emergência de transições de fase de primeira-ordem na sincronização de osciladores acoplados através de estruturas heterogêneas e não-triviais. Utilizando teorias de campo médio, obtemos a expressão analítica do acoplamento crítico necessário para a ocorrência de sincronização explosiva em redes livre-escala. Além disso, estudamos o comportamento de tais transições na presença de atrasos temporais e verificamos que é possível elevar o grau de sincronismo dos osciladores quando a interação se dá de forma não-instantânea. Os resultados obtidos contribuem para um melhor entendimento da relação entre topologia e dinâmica em redes. / Synchronization processes are observed in many physical, biological, chemical, technological and social systems. These systems can be described and modelled through the theory of complex networks, in a way that the full comprehension of the emergence of collective behavior in these complex systems will only be achieved by theories that encompass the interaction of its elements. In this thesis, we study the emergence of first-order phase transitions in the synchronization of oscillators coupled through heterogeneous and non-trivial structures. By using mean-field theories, we obtain an analytical expression for the critical coupling necessary for the occurrence of explosive synchronization in scale-free networks. Furthermore, we study the behavior of such transitions in the presence of time delays, verifying that is possible to enhance the synchronization level of the oscillators when the interaction is non-instantaneous. The obtained results contribute for the better understanding of the interplay between topology and dynamics in networks.

Muitos sistemas complexos naturais ou construídos pelos seres humanos podem ser representados por redes complexas, uma teoria que une o estudo de grafos com a mecânica estatística. Esse tipo de representação, porém, pode ser comprometido pela maneira como os dados são obtidos. Em geral, os dados utilizados para representar tais sistemas nem sempre são precisos ou completos e correspondem a apenas amostras pequenas de redes maiores, como é o caso da teia mundial (WWW). Dessa forma, mesmo que as amostras sejam grandes, as suas propriedades são diretamente afetadas pela maneira como elas são obtidas e podem não corresponder com as de suas respectivas redes originais. Por exemplo, a amostragem mais utilizada para captura de roteadores da Internet, se empregada em redes aleatórias, tende a obter redes sem escala como resultado. Em contrapartida, amostras de redes sem escala não têm garantia de preservar essa estrutura. Por causa desses e outros problemas que possam ocorrer na amostragem das redes, é muito importante avaliar a variação das propriedades das redes a ruídos (para saber quais variam menos, sendo, portanto, mais adequadas para caracterizar redes com problemas de amostragem) e os efeitos da amostragem na caracterização, classificação e análise de redes complexas (pois redes amostradas podem não corresponder ao sistemas dos quais foram obtidas, tornando os resultados incorretos). Neste trabalho, foi investigada a influência de três tipos de perturbação (ruído): adição, remoção e troca aleatória de conexões nas propriedades de redes complexas, e as mais apropriadas para caracterizar redes amostradas foram identificadas. Além disso, foram definidas duas novas estruturas em redes complexas: árvores de borda e cadeias de vértices. A ocorrência dessas estruturas em redes mal amostradas tende a ser alta, indicando que existe uma relação com redes parcialmente amostradas. Para verificar tal hipótese, foi investigada a presença de cadeias de vértices em redes gradativamente amostradas por caminhadas aleatórias. / Several natural or human made complex systems can be represented by complex networks a theory which integrates the study of graphs with statistical mechanics. This kind of representation, however, can be biased by the way in which the data is obtained. In general, the data used to represent such systems is not always accurate, as in the case of theWorldWideWeb (WWW). Therefore, even if the sampled networks are large, their properties are directly affected by the way in which they were obtained and may not correspond to those of their respective original networks. For instance, the most used sampling methodology for capturing routers of the Internet, if performed on random networks, tends to obtain scale-free networks as results. On the other hand, sampled scale-free networks are not guaranteed to have this property. Because of these and other problems which may occur during the network sampling, it is very important to evaluate the variation of the network properties with respect to noise (in order to know which of them have less variation, being therefore more suitable for the characterization of networks with sampling problems) and the effect of sampling in the characterization, classification, and analysis of complex networks. In this work, we investigated the effect of three types of perturbations (noise), namely, edge addition, removal, and rewiring on the respectively estimated complex network properties, and the most suitable properties to characterize sampled networks were identified. Furthermore, two novel structures in complex networks were defined, namely, border trees and chains of vertices, which are possibly related to sampling. The occurrence of these structures in poorly-sampled networks was found to be high, implying a relation with partially sampled networks. In order to investigate such a hypothesis, the presence of chains of vertices was investigated in networks which were gradually sampled by random walks.

Synchronization of an ensemble of oscillators is an emergent phenomenon present in several complex systems, ranging from biological and physical to social and technological systems. The most successful approach to describe how coherent behavior emerges in these complex systems is given by the paradigmatic Kuramoto model. For decades, this model has been traditionally studied in globally coupled topologies. However, besides being intrinsically dynamical, complex systems exhibit very heterogeneous structure, which can be represented as complex networks. This thesis is dedicated to the investigation of fundamental problems regarding the collective dynamics of Kuramoto oscillators coupled in complex networks. First, we address the effects on network dynamics caused by the presence of triangles, which are structural patterns that permeate real-world networks but are absent in random models. By extending the heterogeneous degree mean-field approach to a class of configuration model that generates random networks with variable clustering, we show that triangles weakly affect the onset of synchronization. Our results suggest that, at least in the low clustering regime, the dynamics of clustered networks are accurately described by tree-based theories. Secondly, we analyze the influence of inertia in the phases evolutions. More precisely, we substantially extend the mean-field calculations to second-order Kuramoto oscillators in uncorrelated networks. Thereby hysteretic transitions of the order parameter are predicted with good agreement with simulations. Effects of degree-degree correlations are also numerically scrutinized. In particular, we find an interesting dynamical equivalence between variations in assortativity and damping coefficients. Potential implications to real-world applications are discussed. Finally, we tackle the problem of two intertwined populations of stochastic oscillators subjected to asymmetric attractive and repulsive couplings. By employing the Gaussian approximation technique we derive a reduced set of ODEs whereby a thorough bifurcation analysis is performed revealing a rich phase diagram. Precisely, besides incoherence and partial synchronization, peculiar states are uncovered in which two clusters of oscillators emerge. If the phase lag between these clusters lies between zero and π, a spontaneous drift different from the natural rhythm of oscillation emerges. Similar dynamical patterns are found in chaotic oscillators under analogous couplings schemes. / Sincronização de conjuntos de osciladores é um fenômeno emergente que permeia sistemas complexos de diversas naturezas, como por exemplo, sistemas biológicos, físicos, naturais e tecnológicos. A abordagem mais bem sucedida na descrição da emergência de comportamento coletivo em sistemas complexos é fornecida pelo modelo de Kuramoto. Durante décadas, este modelo foi tradicionalmente estudado em topologias completamente conectadas. Entretanto, além de ser intrinsecamente dinâmicos, tais sistemas complexos possuem uma estrutura altamente heterogênea que pode ser apropriadamente representada por redes complexas. Esta tese é dedicada à investigação de problemas fundamentais da dinâmica coletiva de osciladores de Kuramoto acoplados em redes. Primeiramente, abordamos os efeitos sobre a dinâmica das redes causados pela presença de triângulos padrões que estão omnipresentes em redes reais mas estão ausentes em redes gerados por modelos aleatórios. Estendemos a abordagem via campo-médio para uma variação do modelo de configuração tradicional capaz de criar topologias com número variável de triângulos. Através desta abordagem, mostramos que tais padrões estruturais pouco influenciam a emergência de comportamento coletivo em redes, podendo a dinâmica destas ser descrita em termos de teorias desenvolvidas para redes com topologia local semelhante a grafos de tipo árvore. Em seguida, analisamos a influência de inércia na evolução das fases. Mais precisamente, generalizamos cálculos de campo-médio para osciladores de segunda-ordem acoplados em redes sem correlação de grau. Demonstramos que na presença de efeitos inerciais o parâmetro de ordem do sistema se comporta de forma histerética. Ademais, efeitos oriundos de correlações de grau são examinados. Em particular, verificamos uma interessante equivalência dinâmica entre variações nos coeficientes de assortatividade e amortecimento dos osciladores. Possíveis aplicações para situações reais são discutidas. Finalmente, abordamos o problema de duas populações de osciladores estocásticos sob a influência de acoplamentos atrativos e repulsivos. Através da aplicação da aproximação Gaussiana, derivamos um conjunto reduzido de EDOs através do qual as bifurcações do sistema foram analisadas. Além dos estados asíncrono e síncrono, verificamos a existência de padrões peculiares na dinâmica de tal sistema. Mais precisamente, observamos a formação de estados caracterizados pelo surgimento de dois aglomerados de osciladores. Caso a defasagem entre estes grupos é inferior a π, um novo ritmo de oscilação diferente da frequência natural dos vértices emerge. Comportamentos dinâmicos similares são observados em osciladores caóticos sujeitos a acoplamentos análogos.

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.

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.

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).