Census operations are very important events in the history of a nation. These operations cover every bit of land and property of the country and its citizens. Census data is also known as demographic data providing valuable information to various users, particularly planners to know the trends in the key areas. Since 2006, Turkey aims to produce this census data not as &ldquo / de-facto&rdquo / (static) but as &ldquo / de-jure&rdquo / (real-time) by the new Address Based Register Information System (ABPRS). Besides, by this new register based census, personal information is matched with their address information and censuses gained a spatial dimension. Data obtained from this kind of a system can be a great input for the creation of &ldquo / small statistical areas (SSAs)&rdquo / which can compose of street blocks or any other small geographical unit to which social data can be referenced and to establish a complete census geography for Turkey. Because, statistics on large administrative units are only necessary for policy design only at an extremely abstracted level of analysis which is far from &quot / real&quot / problems as experienced by individuals. In this thesis, it is aimed to employ some spatial clustering and districting methodologies to automatically produce SSAs which are basically built upon the ABPRS data that is geo-referenced with the aid of geographical information systems (GIS) and thus help improving the census geography concept which is limited with only higher level administrative boundaries in Turkey. In order to have a clear idea of what strategy to choose for its realization, small area identification criteria and methodologies are searched by looking into the United Nations&rsquo / recommendations and by taking some national and international applications into consideration. In addition, spatial clustering methods are examined for obtaining SSAs which fulfills these criteria in an automated fashion. Simulated annealing on k-means clustering, only k-means clustering and simulated annealing on k-means clustering of Self-Organizing Map (SOM) unified distances are deemed as suitable methods. Then these methods are implemented on parcel and block datasets having either raw data or socio-economic status (SES) indices in nine neighborhoods of Ke&ccedil / i&ouml / ren whose graphical and non-graphical raw data are manipulated, geo-referenced and combined in common basemaps. Consequently, simulated annealing refinement on k-means clustering of SOM u-distances is selected as the optimum method for constructing SSAs for all datasets after making a comparative quality assessment study which allows us to see how much each method obeyed the basic criteria of small area identification while creating SSA layers.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Os Sistemas Multi-Robôs proporcionam vantagens sobre um robô individual, quando da realização de uma tarefa com maiores velocidade, precisão e tolerância a falhas. Os estudos dos comportamentos sociais na natureza têm permitido desenvolver algoritmos bio-inspirados úteis na área da robótica de enxame. Seguindo instruções simples e repetitivas, grupos de robôs, fisicamente limitados, conseguem solucionar problemas complexos. Quando existem duas ou mais tarefas a serem realizadas e o conjunto de robôs é heterogêneo, é possível agrupá-los de acordo com as funcionalidades neles disponíveis. No caso em que o conjunto de robôs é homogêneo, o agrupamento pode ser realizado considerando a posição relativa do robô em relação a uma tarefa ou acrescentando alguma característica distintiva. Nesta dissertação, é proposta uma técnica de clusterização espacial baseada simplesmente na comunicação local de robôs. Por meio de troca de mensagens entre os robôs vizinhos, esta técnica permite formar grupos de robôs espacialmente próximos sem precisar movimentar os robôs. Baseando-se nos métodos de clusterização de fichas, a técnica proposta emprega a noção de fichas virtuais, que são chamadas de cargas, sendo que uma carga pode ser estática ou dinâmica. Se uma carga é estática permite determinar a classe à qual um robô pertence. Dependendo da quantidade e do peso das cargas disponíveis no sistema, os robôs intercambiam informações até alcançar uma disposição homogênea de cargas. Quando as cargas se tornam estacionárias, é calculada uma densidade que permite guiar aquelas que estão ainda em movimento. Durante as experiências, foi observado visualmente que as cargas com maior peso acabam se agrupando primeiro enquanto aquelas com menor peso continuam se deslocando no enxame, até que estas cargas formem faixas de densidades diferenciadas para cada classe, alcançando assim o objetivo final que é a clusterização dos robôs. / Multi-Robots Systems provide advantages over a single robot when performing a task, achieving a greater speed, higher accuracy and better fault tolerance. The studies of social behavior in nature have allowed to develop bio-inspired algorithms useful in swarm robotics. Following simple and repetitive rules, groups of robots can provide solutions to complex problems. When two or more tasks to be executed by a set of heterogeneous robots, it is possible to cluster the robots according to their intrinsic features. When homogeneous robots are used, the clustering may be achieved by considering the robot relative position regarding the location where the task has to be performed or adding some other distinct feature. In this dissertation, a technique for spatial clustering simply based on local communication between robots is proposed. Through the message exchange between neighboring robots, this technique allows cluster formation without robot movement. Based on the token clustering methods, the proposed technique employs a virtual token, which is called a load. The load allows identifying the class to which a robot belongs. Depending on the amount and weight of the loads available in the system, the robots interchange information to achieve uniform load distribution. When the loads become stationaries, a density is calculated as to guide the remaining loads that are still in motion. As a consequence, the loads of higher weight cluster first and the those of lower weight continue shifting through the swarm, until they start forming different density ranges for each class, thereby achieving the final aim which is robot clustering.

Submitted by Viviane Lima da Cunha (viviane@biblioteca.ufpb.br) on 2017-06-22T17:21:30Z No. of bitstreams: 1 arquivototal.pdf: 2646336 bytes, checksum: 8fa6ece0a05a4f7bffc899ff5ba5e9b7 (MD5) / Made available in DSpace on 2017-06-22T17:21:30Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 2646336 bytes, checksum: 8fa6ece0a05a4f7bffc899ff5ba5e9b7 (MD5) Previous issue date: 2015-12-16 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The combination of classifiers aims to produce more accurate results to the decision-making process. Therefore, this study had the objective of proposing a new architecture based on a combination of spatial clustering methods and a more detailed voting map on the amount of votes that each geo-object received, applied to epidemiology. The methods of spatial clustering, in general, aim to identify the significant and not significant spatial clusters according to the study area. They are combined by combination of rules. In this work, the following rules were used: majority voting and neural networks. The new proposed architecture was applied to dengue data in the state of Paraiba, in the period from 2009 to 2011. According to the World Health Organization, dengue is a disease that annually records an average of 50 to 100 million cases worldwide, generating large financial burden on the health sector. A new architecture is proposed for the combination of the methods of spatial clustering. The combination of spatial clustering methods was applied in three case studies. In all three case studies, the new architecture identified more precisely the priority and nonpriority municipalities in Paraiba with regards to the dengue. In the case study 1, the combination rule was majority voting, in case study 2 the combination rule was neural networks and in case study 3 a new detailed voting map was proposed, identifying the amount of votes that each municipality had received. Analyzing the results from a spatial point of view, it was observed that the mesoregion called Sertão in the state of Paraiba had a greater number of priority municipalities; and the mesoregion of the Coast in Paraiba, the lowest number of priority municipalities. Regarding the research from the epidemiological point of view, it was observed that from the results of diagnostic tests (sensitivity, specificity, positive predictive value and negative predictive value) and the Kappa statistic, the combination of models produced satisfactory results. Concluding the analysis from the point of view of the combination of spatial clustering methods, it was observed that the new architecture presented satisfactory results by using the combination of the combination of rules. These results, from the epidemiological point of view, can assist managers in the decision-making process by verifying more precisely the regions that deserve special attention in combating the disease. / A combinação de classificadores tem por objetivo produzir resultados mais precisos para o processo de tomada de decisão. Com isso, este estudo teve por objetivo propor uma nova arquitetura baseada na combinação dos métodos de aglomeração espacial e um mapa de votação mais detalhado sobre a quantidade de votos que cada geo-objeto recebeu, aplicados à epidemiologia. Os métodos de aglomerados espaciais, de forma geral, tem por objetivo a identificação dos conglomerados espaciais significativos e não significativos de acordo com a região de estudo. Eles são combinados por regras de combinação. Neste trabalho foram utilizadas as seguintes regras: votação por maioria e redes neurais. A nova arquitetura proposta foi aplicada a dados do dengue no estado da Paraíba, no período de 2009 a 2011. Segundo a Organização Mundial da Saúde, o dengue é uma doença que registra anualmente uma média de 50 a 100 milhões de casos em todo o mundo, gerando grandes encargos financeiros para o setor da saúde. proposta uma nova arquitetura para a combinação dos métodos de aglomerados espaciais. A combinação dos métodos de aglomeração espacial, foi aplicados em três estudos de casos. Em todos os três estudos de casos a nova arquitetura identificou com maior precisão os municípios prioritários e não prioritários do dengue na Paraíba. No estudo de caso 1 a regra de combinação foi a votação por maioria, no estudo de caso 2 a regra de combinação foi das redes neurais e no estudo de caso 3 foi proposto uma novo mapa de votação detalhado identificando a quantidade de votos que cada município recebeu. Analisando os resultados do ponto de vista espacial, observou-se que a mesorregião do Sertão Paraibano apresentou uma maior quantidade de municípios prioritários; e a mesorregião do Litoral Paraibano, o menor número de municípios prioritários. Em relação, a pesquisa do ponto de vista epidemiológico foi possível verificar que a partir dos resultados dos testes diagnósticos (sensibilidade, especificidade, valores preditivos positivos e valores preditivos negativos) e a estatística Kappa os modelos de combinação produziram resultados satisfatórios. Finalizando a análise do ponto de vista da combinação dos métodos de aglomerados espaciais, foi possível observar que a nova arquitetura, apresentou resultados satisfatórios, a partir da combinação das regras de combinação. Estes resultados do ponto de vista epidemiológico, podem auxiliar os gestores no processo de tomada de decisão verificando com mais precisão as regiões que realmente merecem atenção especial no combate à doença.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Os Sistemas Multi-Robôs proporcionam vantagens sobre um robô individual, quando da realização de uma tarefa com maiores velocidade, precisão e tolerância a falhas. Os estudos dos comportamentos sociais na natureza têm permitido desenvolver algoritmos bio-inspirados úteis na área da robótica de enxame. Seguindo instruções simples e repetitivas, grupos de robôs, fisicamente limitados, conseguem solucionar problemas complexos. Quando existem duas ou mais tarefas a serem realizadas e o conjunto de robôs é heterogêneo, é possível agrupá-los de acordo com as funcionalidades neles disponíveis. No caso em que o conjunto de robôs é homogêneo, o agrupamento pode ser realizado considerando a posição relativa do robô em relação a uma tarefa ou acrescentando alguma característica distintiva. Nesta dissertação, é proposta uma técnica de clusterização espacial baseada simplesmente na comunicação local de robôs. Por meio de troca de mensagens entre os robôs vizinhos, esta técnica permite formar grupos de robôs espacialmente próximos sem precisar movimentar os robôs. Baseando-se nos métodos de clusterização de fichas, a técnica proposta emprega a noção de fichas virtuais, que são chamadas de cargas, sendo que uma carga pode ser estática ou dinâmica. Se uma carga é estática permite determinar a classe à qual um robô pertence. Dependendo da quantidade e do peso das cargas disponíveis no sistema, os robôs intercambiam informações até alcançar uma disposição homogênea de cargas. Quando as cargas se tornam estacionárias, é calculada uma densidade que permite guiar aquelas que estão ainda em movimento. Durante as experiências, foi observado visualmente que as cargas com maior peso acabam se agrupando primeiro enquanto aquelas com menor peso continuam se deslocando no enxame, até que estas cargas formem faixas de densidades diferenciadas para cada classe, alcançando assim o objetivo final que é a clusterização dos robôs. / Multi-Robots Systems provide advantages over a single robot when performing a task, achieving a greater speed, higher accuracy and better fault tolerance. The studies of social behavior in nature have allowed to develop bio-inspired algorithms useful in swarm robotics. Following simple and repetitive rules, groups of robots can provide solutions to complex problems. When two or more tasks to be executed by a set of heterogeneous robots, it is possible to cluster the robots according to their intrinsic features. When homogeneous robots are used, the clustering may be achieved by considering the robot relative position regarding the location where the task has to be performed or adding some other distinct feature. In this dissertation, a technique for spatial clustering simply based on local communication between robots is proposed. Through the message exchange between neighboring robots, this technique allows cluster formation without robot movement. Based on the token clustering methods, the proposed technique employs a virtual token, which is called a load. The load allows identifying the class to which a robot belongs. Depending on the amount and weight of the loads available in the system, the robots interchange information to achieve uniform load distribution. When the loads become stationaries, a density is calculated as to guide the remaining loads that are still in motion. As a consequence, the loads of higher weight cluster first and the those of lower weight continue shifting through the swarm, until they start forming different density ranges for each class, thereby achieving the final aim which is robot clustering.

生育率的降低是影響台灣地區近年來人口老化的顯著因素，因其變化幅度通常高於死亡率，對人口結構的影響較大。過去台灣地區生育率研究多為整體生育(如：總生育率、年齡別生育率)趨勢的模型，較少探討台灣各地區的特色。為能更深入瞭解台灣生育行為變化的特性，本文將生育率的研究層面由整體的資料，延伸至全台灣地區的各鄉鎮市區（不含離島地區有350個鄉鎮市區），希冀能更精確地找出與台灣地區生育率持續下降的相關因素。本文分為兩個部份，以鄉鎮市區的年齡別婦女生育率與年齡別有偶婦女生育率為研究對象，資料時間為1991、1992、2001、2002年：第一部份探討各鄉鎮市區的生育率數值間是否存在空間相關性，並進一步瞭解生育率較高（或較低）的地區是否有聚集的現象。第二部份則套用空間迴歸模型探討與生育率數值有關的因素（例如：人口密度、教育程度等），更精確且客觀地提供生育率未來趨勢的建議。 關鍵字：生育率、人口老化、空間統計、空間群聚、空間迴歸 / Both the fertility rates and mortality rates, especially the fertility rates, have been experiencing dramatic decreases in recent years, and the population aging thus has become one of the major concerns in Taiwan area. In order to identify the factors that are related to the decrease of fertility rates, unlike the previous works that deal with the aggregate national data, we will study the fertility pattern in township level. We will use the data of age-specific fertility rates and total fertility rates in 1991, 1992, 2001, and 2002 in 350 townships of Taiwan area. This study will be separated into two parts. First, we shall explore if there is spatial correlation among 350 townships of Taiwan area and detect if there are spatial clusters for higher fertility townships. The second part of this project will be focused on the spatial regression model. We will use this model to determine the factors that are highly correlated to the dropping of fertility rates. Key Words: Fertility Rates, Aging Population, Spatial Statistics, Spatial Clustering, Spatial Regression