Made available in DSpace on 2016-06-02T19:06:27Z (GMT). No. of bitstreams: 1 DissFCB.pdf: 1374305 bytes, checksum: cba6e7a987e007ee1406a780864f550d (MD5) Previous issue date: 2005-08-26 / The Quality of Service (QoS) available in the network is the most important parameter for the guarantee of the success in a multimedia transmission [Dressler 2003a]. In the current context of multimedia systems, handle systems to QoS control are essential to the applications have the desired quality in the service accomplishment. The human user of a multimedia application is the initial point of all the considerations regarding QoS, having this that worry about the perceivable effect to this user. Usually, users are not aware on how to specify low-level parameters, such bandwidth, not even to understand numerical values related to measurements of these. Thus, it is necessary that the system provides an abstraction level, so that the user can understand which is the quality of service which the network can offer in a certain instant. Then, the user can decide if he will place the application in execution or not. This work presents a new method to express the Quality of Service (QoS) in a multimedia connection. This method uses discrete values of QoS parameters, establishing a relationship among them through the use of a Fuzzy Genetic Rule-Based System (FGRBS) to obtain a single value that expresses the QoS of the connection. This final value is classified within a predefined QoS specification standard consisting of three sets: Optimal, Acceptable and Unacceptable, resulting in a definition of the Quality of Service in a user-level language. / A Qualidade de Serviço (QoS) disponível na rede é o principal fator para a garantia do sucesso em uma transmissão multimídia [Dressler 2003a]. No contexto atual dos sistemas multimídia, mostra-se imprescindível sistemas que dêem suporte ao controle de QoS, de forma que as aplicações tenham a qualidade desejada na efetivação do serviço. O usuário humano de uma aplicação multimídia é o ponto inicial de todas as considerações a respeito de QoS, tendo esta que se preocupar com os efeitos perceptíveis a esse usuário. Sabe-se que ele normalmente não tem condições de especificar parâmetros de baixo nível, como largura de banda, nem mesmo de entender valores numéricos relativos a medições dos mesmos. Assim sendo, é necessário que o sistema forneça um nível de abstração para que o usuário compreenda qual a qualidade de serviço que a rede pode oferecer em um determinado instante. Cabe ao usuário, então, decidir se colocará sua aplicação em execução ou não. Este trabalho apresenta um novo método para avaliação de QoS em uma conexão multimídia. Esse método utiliza valores discretos dos parâmetros de QoS estabelecendo uma relação entre eles, pelo uso de um Sistema Genético Nebuloso Baseado em Regras, de forma a obter um único valor resultante que expresse o nível de QoS da conexão. Este valor final é classificado dentro de um padrão de especificação de QoS pré-definido, que inclui três conjuntos: Ótimo, Aceitável e Não Tolerado; tendo como resultante deste processo uma definição da Qualidade de Serviço em uma linguagem em nível de usuário.

Made available in DSpace on 2016-06-02T19:06:23Z (GMT). No. of bitstreams: 1 DissMGP.pdf: 1155179 bytes, checksum: 853fabfd715d513d373e075b049d726a (MD5) Previous issue date: 2004-08-20 / The success of Fuzzy Rule Based Systems is due to their ability to represent vague and uncertain knowledge and to the facility to express the system behavior in a language easily interpretable by human beings. The knowledge acquisition of a Fuzzy Rule Based System is done from a human expert, which is known as the direct approach to knowledge acquisition, or through methods that automatically extract this knowledge from numerical information that represent samples or examples of the problem. Genetic Algorithms have demonstrated to be a powerful tool to rule bases construction, rule bases optimization, membership functions generation and membership functions optimization. The main research focus of this work is the investigation of fuzzy systems automatic generation approaches applied to pattern classification problems, using genetic algorithms to the definition and tuning of fuzzy sets that belong to the fuzzy partitions of the domains involved, considering interpretability maintenance of the linguistic values. The genetic learning is employed only in the fuzzy system data base, that is, in the membership functions, either through the traditional way of tuning previously defined functions after the rule base has been defined or through the more recent approach of constructing membership functions before the rules definition. This kind of investigation requires the use of different rule generation methods, the rules being generated before or after the use of genetic algorithm. The combination Fuzzy Systems + Genetic Algorithms, known as Genetic Fuzzy Systems, has great acceptance in the scientific community, since this systems are robust and capable of finding good solutions in complex and irregular spaces. / O sucesso dos Sistemas Baseados em Regras Nebulosas deve-se à habilidade para representar o conhecimento vago e incerto e à facilidade de expressar o comportamento do sistema em uma linguagem facilmente interpretável pelos seres humanos. A aquisição de conhecimento de um Sistema Baseado em Regras Nebulosas é feita a partir de um especialista humano, a qual é conhecida como abordagem direta para aquisição do conhecimento, ou através de métodos que automaticamente extraem este conhecimento a partir de informações numéricas que representam amostras ou exemplos do problema. Algoritmos Genéticos vêm demonstrando ser uma poderosa ferramenta para a construção de bases de regras, otimização de bases de regras, geração de funções de pertinência e otimização de funções de pertinência. O principal foco de pesquisa deste trabalho é a investigação das abordagens de modelagem automática de sistemas nebulosos aplicados a problemas de classificação de padrões, através de algoritmos genéticos para a definição e sintonia dos conjuntos nebulosos que compõem as partições nebulosas dos domínios envolvidos, considerando a manutenção da interpretabilidade dos valores lingüísticos. O aprendizado genético é empregado somente na Base de Dados do sistema nebuloso, isto é, nas funções de pertinência, tanto pela maneira mais tradicional, de sintonizar as funções já definidas depois da definição das regras, como pela abordagem mais recente, de construir as funções de pertinência antes da definição das regras. Esse tipo de investigação supõe o uso de outros métodos para a geração das regras, sejam elas geradas antes ou depois da aplicação do algoritmo genético. A combinação de Sistemas Nebulosos + Algoritmos Genéticos, conhecida como Sistemas Genéticos Nebulosos, tem grande aceitação na comunidade científica, uma vez que estes sistemas são robustos e capazes de encontrar boas soluções em espaços complexos e irregulares.

Made available in DSpace on 2016-06-02T19:05:22Z (GMT). No. of bitstreams: 1 DissAFT.pdf: 987671 bytes, checksum: a50597a438e0122d6e69ee6481e7d4a3 (MD5) Previous issue date: 2006-09-13 / This work focuses on the problem of automatic generation of fuzzy systems through evolutionary computation, specifically using the approach of co-evolution. Coevolution is based on the idea of modular modeling of the problem subcomponents. In this work the subcomponents are represented by different species, which have a collaborative relation among them. The fuzzy system to be created has the objective of pattern classification. Basically, the evolutionary scheme is composed by four different species, which have a hierarchical collaboration both in the generation of the species and in the fitness determination of the individuals of these species. These species are organized in levels, where the contribution in the species generation happens from the lowest to highest levels and the contribution in the fitness determination happens from the highest to lowest levels. The results obtained indicate that the studied approach is very promising and, through its use, one can generate efficient classification systems, that present a performance similar to other approaches found in the literature. / Este trabalho enfoca o problema de geração automática de sistemas nebulosos por meio da computação evolutiva, mais especificamente por meio da abordagem de coevolução. A co-evolução baseia-se na idéia de modelagem modular de subcomponentes do problema. Neste trabalho esses subcomponentes são representados por espécies diferentes, que têm uma relação colaborativa entre si. Essa relação força uma evolução co-adaptada entre as populações das espécies. O sistema nebuloso a ser gerado tem como objetivo a classificação de padrões. Basicamente, o esquema evolutivo é formado por quatro espécies diferentes, que têm uma colaboração hierárquica, tanto na geração das espécies, quanto na determinação da aptidão dos indivíduos dessas espécies. Essas espécies são organizadas em níveis, onde a colaboração na geração das espécies se dá dos níveis mais baixos para os mais altos, e a colaboração na determinação das aptidões se dá dos níveis mais altos para os mais baixos. Os resultados obtidos indicam que a abordagem estudada é bastante promissora e pode-se obter, por meio dela, sistemas de classificação eficientes que apresentam desempenho semelhante ao de outras abordagens encontradas na literatura.