Made available in DSpace on 2014-06-12T17:20:46Z (GMT). No. of bitstreams: 2 arquivo5927_1.pdf: 807373 bytes, checksum: 73eea0afb825ed04fc55f690d1caa004 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2005 / A partir de uma apresentação das principais mudanças no setor elétrico brasileiro, com o aumento da competitividade, principalmente no segmento de produção de energia elétrica, onde a nova política de compra e venda de energia elétrica se dá através de leilões, este trabalho procura demonstrar por meio de estudos determinísticos e probabilísticos, quais os melhores níveis de venda de energia, no longo e curto prazo, vinculados a diferentes parcelas de contratação de combustível. Partindo de um preço mínimo que satisfaça as condições de financiamento de capital de terceiros e ao mesmo tempo viabilize o investimento, dentro de cenários esperados de expansão da geração e da demanda, é definido o montante da produção de energia de uma termelétrica a ser ofertado em licitações, para contratação bilateral, que melhor remunere o empreendedor. Diante dos ambientes de incerteza e risco do mercado de energia são realizados estudos de sensibilidade das principais variáveis e calculados índices estatísticos que permitem ao investidor avaliar, para diferentes custos de capital próprio e para variadas alternativas analisadas, aquela que lhe traga o melhor retorno esperado, considerando o grau de risco a que deseja se submeter. Na análise de risco do investimento do projeto é calculado, para cada nível de contratação de energia e de flexibilidade operacional, o desvio padrão, o coeficiente de variação, a probabilidade de não se remunerar o investimento e os percentis de 1%, 5% e 10% dos retornos de possíveis fluxos de caixa do projeto. Para a melhor modalidade de contratação de energia e para variados níveis de contratos de combustível são analisadas as menores tarifas de energia para um risco de 5% de não se remunerar o investimento, juntamente com os índices econômicos esperados para o projeto. Este modelo de análise de investimento permite ao analista, diante das estimativas de preços altos ou baixos no mercado de curto prazo, observar possibilidades de ganho, usufruindo os benefícios deste ambiente. Para isso, considera o despacho da usina e a venda da parcela flexível da produção de energia nos momentos de preços de curto prazo favoráveis e, por outro lado, aproveita as condições de preços reduzidos, para negociar a aquisição da energia necessária para se honrar os contratos bilaterais, correspondentes à parcela inflexível da geração, evitando custos operacionais desnecessários à produção de energia

A análise de texturas tem atraído um crescente interesse em visão computacional devido a sua importância na caracterização de imagens. Basicamente, as pesquisas em texturas podem ser divididas em duas categorias: texturas estáticas e texturas dinâmicas. As texturas estáticas são caracterizadas por variações de intensidades que formam um determinado padrão repetido espacialmente na imagem. Por outro lado, as texturas dinâmicas são padrões de texturas presentes em uma sequência de imagens. Embora muitas pesquisas tenham sido realizadas, essa área ainda se encontra aberta a estudos, principalmente em texturas dinâmicas por se tratar de um assunto recente e pouco explorado. Este trabalho tem como objetivo o desenvolvimento de pesquisas que abrangem ambos os tipos de texturas nos âmbitos teórico e prático. Em texturas estáticas, foram propostos dois métodos: (i) baseado em caminhadas determinísticas parcialmente auto-repulsivas e dimensão fractal - (ii) baseado em atividade em redes direcionadas. Em texturas dinâmicas, as caminhadas determinísticas parcialmente auto-repulsivas foram estendidas para sequências de imagens e obtiveram resultados interessantes em reconhecimento e segmentação. Os métodos propostos foram aplicados em problemas da biologia e nanotecnologia, apresentando resultados interessantes para o desenvolvimento de ambas as áreas. / Texture analysis has attracted an increasing interest in computer vision due to its importance in describing images. Basically, research on textures can be divided into two categories: static and dynamic textures. Static textures are characterized by intensity variations which form a pattern repeated in the image spatially. On the other hand, dynamic textures are patterns of textures present in a sequence of images. Although many studies have been carried out, this area is still open to study, especially in dynamic textures since it is a recent and little-explored subject. This study aims to develop research covering both types of textures in theoretical and practical fields. In static textures, two methods were proposed: (i) based on deterministic partially self-avoiding walks and fractal dimension - (ii) based on activity in directed networks. In dynamic textures, deterministic partially self-avoiding walks were extended to sequences of images and obtained interesting results in recognition and segmentation. The proposed methods were applied to problems of biology and nanotechnology, presenting interesting results in the development of both areas.

A análise de texturas tem atraído um crescente interesse em visão computacional devido a sua importância na caracterização de imagens. Basicamente, as pesquisas em texturas podem ser divididas em duas categorias: texturas estáticas e texturas dinâmicas. As texturas estáticas são caracterizadas por variações de intensidades que formam um determinado padrão repetido espacialmente na imagem. Por outro lado, as texturas dinâmicas são padrões de texturas presentes em uma sequência de imagens. Embora muitas pesquisas tenham sido realizadas, essa área ainda se encontra aberta a estudos, principalmente em texturas dinâmicas por se tratar de um assunto recente e pouco explorado. Este trabalho tem como objetivo o desenvolvimento de pesquisas que abrangem ambos os tipos de texturas nos âmbitos teórico e prático. Em texturas estáticas, foram propostos dois métodos: (i) baseado em caminhadas determinísticas parcialmente auto-repulsivas e dimensão fractal - (ii) baseado em atividade em redes direcionadas. Em texturas dinâmicas, as caminhadas determinísticas parcialmente auto-repulsivas foram estendidas para sequências de imagens e obtiveram resultados interessantes em reconhecimento e segmentação. Os métodos propostos foram aplicados em problemas da biologia e nanotecnologia, apresentando resultados interessantes para o desenvolvimento de ambas as áreas. / Texture analysis has attracted an increasing interest in computer vision due to its importance in describing images. Basically, research on textures can be divided into two categories: static and dynamic textures. Static textures are characterized by intensity variations which form a pattern repeated in the image spatially. On the other hand, dynamic textures are patterns of textures present in a sequence of images. Although many studies have been carried out, this area is still open to study, especially in dynamic textures since it is a recent and little-explored subject. This study aims to develop research covering both types of textures in theoretical and practical fields. In static textures, two methods were proposed: (i) based on deterministic partially self-avoiding walks and fractal dimension - (ii) based on activity in directed networks. In dynamic textures, deterministic partially self-avoiding walks were extended to sequences of images and obtained interesting results in recognition and segmentation. The proposed methods were applied to problems of biology and nanotechnology, presenting interesting results in the development of both areas.

This thesis presents a study on time series analysis, which was conducted based on the following hypothesis: time series influenced by additive noise can be decomposed into stochastic and deterministic components in which individual models permit obtaining a hybrid one that improves accuracy. This hypothesis was confirmed in two steps. In the first one, we developed a formal analysis using the Nyquist-Shannon sampling theorem, proving Intrinsic Mode Functions (IMFs) extracted from the Empirical Mode Decomposition (EMD) method can be combined, according to their frequency intensities, to form stochastic and deterministic components. Considering this proof, we designed two approaches to decompose time series, which were evaluated in synthetic and real-world scenarios. Experimental results confirmed the importance of decomposing time series and individually modeling the deterministic and stochastic components, proving the second part of our hypothesis. Furthermore, we noticed the individual analysis of both components plays an important role in detecting patterns and extracting implicit information from time series. In addition to these approaches, this thesis also presents two new measurements. The first one is used to evaluate the accuracy of time series modeling in forecasting observations. This measurement was motivated by the fact that existing measurements only consider the perfect match between expected and predicted values. This new measurement overcomes this issue by also analyzing the global time series behavior. The second measurement presented important results to assess the influence of the deterministic and stochastic components on time series observations, supporting the decomposition process. Finally, this thesis also presents a Systematic Literature Review, which collected important information on related work, and two new methods to produce surrogate data, which permit investigating the presence of linear and nonlinear Gaussian processes in time series, irrespective of the influence of nonstationary behavior / Esta tese apresenta um estudo sobre análise de séries temporais, a qual foi conduzida baseada na seguinte hipótese: séries temporais influenciadas por ruído aditivo podem ser decompostas em componentes estocásticos e determinísticos que ao serem modelados individualmente permitem obter um modelo híbrido de maior acurácia. Essa hipótese foi confirmada em duas etapas. Na primeira, desenvolveu-se uma análise formal usando o teorema de amostragem proposto por Nyquist-Shannon, provando que IMFs (Intrinsic Mode Functions) extraídas pelo método EMD (Empirical Mode Decomposition) podem ser combinadas de acordo com suas intensidades de frequência para formar os componentes estocásticos e determinísticos. Considerando essa prova, duas abordagens de decomposição de séries foram desenvolvidas e avaliadas em aplicações sintéticas e reais. Resultados experimentais confirmaram a importância de decompor séries temporais e modelar seus componentes estocásticos e determinísticos, provando a segunda parte da hipótese. Além disso, notou-se que a análise individual desses componentes possibilita detectar padrões e extrair importantes informações implícitas em séries temporais. Essa tese apresenta ainda duas novas medidas. A primeira é usada para avaliar a acurácia de modelos utilizados para predizer observações. A principal vantagem dessa medida em relação às existentes é a possibilidade de avaliar os valores individuais de predição e o comportamento global entre as observações preditas e experadas. A segunda medida permite avaliar a influência dos componentes estocásticos e determinísticos sobre as séries temporais. Finalmente, essa tese apresenta ainda resultados obtidos por meio de uma revisão sistemática da literatura, a qual coletou importantes trabalhos relacionados, e dois novos métodos para geração de dados substitutos, permitindo investigar a presença de processos Gaussianos lineares e não-lineares, independente da influência de comportamento não-estacionário

This thesis presents a study on time series analysis, which was conducted based on the following hypothesis: time series influenced by additive noise can be decomposed into stochastic and deterministic components in which individual models permit obtaining a hybrid one that improves accuracy. This hypothesis was confirmed in two steps. In the first one, we developed a formal analysis using the Nyquist-Shannon sampling theorem, proving Intrinsic Mode Functions (IMFs) extracted from the Empirical Mode Decomposition (EMD) method can be combined, according to their frequency intensities, to form stochastic and deterministic components. Considering this proof, we designed two approaches to decompose time series, which were evaluated in synthetic and real-world scenarios. Experimental results confirmed the importance of decomposing time series and individually modeling the deterministic and stochastic components, proving the second part of our hypothesis. Furthermore, we noticed the individual analysis of both components plays an important role in detecting patterns and extracting implicit information from time series. In addition to these approaches, this thesis also presents two new measurements. The first one is used to evaluate the accuracy of time series modeling in forecasting observations. This measurement was motivated by the fact that existing measurements only consider the perfect match between expected and predicted values. This new measurement overcomes this issue by also analyzing the global time series behavior. The second measurement presented important results to assess the influence of the deterministic and stochastic components on time series observations, supporting the decomposition process. Finally, this thesis also presents a Systematic Literature Review, which collected important information on related work, and two new methods to produce surrogate data, which permit investigating the presence of linear and nonlinear Gaussian processes in time series, irrespective of the influence of nonstationary behavior / Esta tese apresenta um estudo sobre análise de séries temporais, a qual foi conduzida baseada na seguinte hipótese: séries temporais influenciadas por ruído aditivo podem ser decompostas em componentes estocásticos e determinísticos que ao serem modelados individualmente permitem obter um modelo híbrido de maior acurácia. Essa hipótese foi confirmada em duas etapas. Na primeira, desenvolveu-se uma análise formal usando o teorema de amostragem proposto por Nyquist-Shannon, provando que IMFs (Intrinsic Mode Functions) extraídas pelo método EMD (Empirical Mode Decomposition) podem ser combinadas de acordo com suas intensidades de frequência para formar os componentes estocásticos e determinísticos. Considerando essa prova, duas abordagens de decomposição de séries foram desenvolvidas e avaliadas em aplicações sintéticas e reais. Resultados experimentais confirmaram a importância de decompor séries temporais e modelar seus componentes estocásticos e determinísticos, provando a segunda parte da hipótese. Além disso, notou-se que a análise individual desses componentes possibilita detectar padrões e extrair importantes informações implícitas em séries temporais. Essa tese apresenta ainda duas novas medidas. A primeira é usada para avaliar a acurácia de modelos utilizados para predizer observações. A principal vantagem dessa medida em relação às existentes é a possibilidade de avaliar os valores individuais de predição e o comportamento global entre as observações preditas e experadas. A segunda medida permite avaliar a influência dos componentes estocásticos e determinísticos sobre as séries temporais. Finalmente, essa tese apresenta ainda resultados obtidos por meio de uma revisão sistemática da literatura, a qual coletou importantes trabalhos relacionados, e dois novos métodos para geração de dados substitutos, permitindo investigar a presença de processos Gaussianos lineares e não-lineares, independente da influência de comportamento não-estacionário

A análise de textura é uma das mais básicas e famosas áreas de pesquisa em visão computacional. Ela é também de grande importância em muitas outras disciplinas, tais como ciências médicas e biológicas. Por exemplo, uma tarefa comum de análise de textura é a detecção de tecidos não saudáveis em imagens de Ressonância Magnética do pulmão. Nesta dissertação, nós propomos um método novo de caracterização de textura baseado nas medidas de complexidade tais como o expoente de Hurst, o expoente de Lyapunov e a complexidade de Lempel-Ziv. Estas medidas foram aplicadas sobre amostras de imagens no espaço de frequência. Três métodos de amostragem foram propostas, amostragem: radial, circular e por caminhadas determinísticas parcialmente auto- repulsivas (amostragem CDPA). Cada método de amostragem produz um vetor de características por medida de complexidade aplicada. Esse vetor contem um conjunto de descritores que descrevem a imagem processada. Portanto, cada imagem será representada por nove vetores de características (três medidas de complexidade e três métodos de amostragem), os quais serão comparados na tarefa de classificação de texturas. No final, concatenamos cada vetor de características conseguido calculando a complexidade de Lempel-Ziv em amostras radiais e circulares com os descritores obtidos através de técnicas de análise de textura tradicionais, tais como padrões binários locais (LBP), wavelets de Gabor (GW), matrizes de co-ocorrência en níveis de cinza (GLCM) e caminhadas determinísticas parcialmente auto-repulsivas em grafos (CDPAg). Este enfoque foi testado sobre três bancos de imagens: Brodatz, USPtex e UIUC, cada um com seus próprios desafios conhecidos. As taxas de acerto de todos os métodos tradicionais foram incrementadas com a concatenação de relativamente poucos descritores de Lempel-Ziv. Por exemplo, no caso do método LBP, o incremento foi de 84.25% a 89.09% com a concatenação de somente cinco descritores. De fato, simplesmente concatenando cinco descritores são suficientes para ver um incremento na taxa de acerto de todos os métodos tradicionais estudados. Por outro lado, a concatenação de un número excessivo de descritores de Lempel-Ziv (por exemplo mais de 40) geralmente não leva a melhora. Neste sentido, vendo os resultados semelhantes obtidos nos três bancos de imagens analisados, podemos concluir que o método proposto pode ser usado para incrementar as taxas de acerto em outras tarefas que envolvam classificação de texturas. Finalmente, com a amostragem CDPA também se obtém resultados significativos, que podem ser melhorados em trabalhos futuros. / Texture analysis is one of the basic and most popular computer vision research areas. It is also of importance in many other disciplines, such as medical sciences and biology. For example, non-healthy tissue detection in lung Magnetic Resonance images is a common texture analysis task. We proposed a novel method for texture characterization based on complexity measures such as Lyapunov exponent, Hurst exponent and Lempel-Ziv complexity. This measurements were applied over samples taken from images in the frequency domain. Three types of sampling methods were proposed: radial sampling, circular sampling and sampling by using partially self-avoiding deterministic walks (CDPA sampling). Each sampling method produce a feature vector which contains a set of descriptors that characterize the processed image. Then, each image will be represented by nine feature vectors which are means to be compared in texture classification tasks (three complexity measures over samples from three sampling methods). In the end, we combine each Lempel-Ziv feature vector from the circular and radial sampling with descriptors obtained through traditional image analysis techniques, such as Local Binary Patterns (LBP), Gabor Wavelets (GW), Gray Level Co-occurrence Matrix (GLCM) and Self-avoiding Deterministic Walks in graphs (CDPAg). This approach were tested in three datasets: Brodatz, USPtex and UIUC, each one with its own well-known challenges. All traditional methods success rates were increased by adding relatively few Lempel-Ziv descriptors. For example in the LBP case the increment went from 84.25% to 89.09% with the addition of only five descriptors. In fact, just adding five Lempel-Ziv descriptors are enough to see an increment in the success rate of every traditional method. However, adding too many Lempel-Ziv descriptors (for example more than 40) generally doesnt produce better results. In this sense, seeing the similar results we obtain in all three databases, we conclude that this approach may be used to increment the success rate in a lot of others texture classification tasks. Finally, the CDPA sampling also obtain very promising results that we can improve further on future works.

A análise de textura é uma das mais básicas e famosas áreas de pesquisa em visão computacional. Ela é também de grande importância em muitas outras disciplinas, tais como ciências médicas e biológicas. Por exemplo, uma tarefa comum de análise de textura é a detecção de tecidos não saudáveis em imagens de Ressonância Magnética do pulmão. Nesta dissertação, nós propomos um método novo de caracterização de textura baseado nas medidas de complexidade tais como o expoente de Hurst, o expoente de Lyapunov e a complexidade de Lempel-Ziv. Estas medidas foram aplicadas sobre amostras de imagens no espaço de frequência. Três métodos de amostragem foram propostas, amostragem: radial, circular e por caminhadas determinísticas parcialmente auto- repulsivas (amostragem CDPA). Cada método de amostragem produz um vetor de características por medida de complexidade aplicada. Esse vetor contem um conjunto de descritores que descrevem a imagem processada. Portanto, cada imagem será representada por nove vetores de características (três medidas de complexidade e três métodos de amostragem), os quais serão comparados na tarefa de classificação de texturas. No final, concatenamos cada vetor de características conseguido calculando a complexidade de Lempel-Ziv em amostras radiais e circulares com os descritores obtidos através de técnicas de análise de textura tradicionais, tais como padrões binários locais (LBP), wavelets de Gabor (GW), matrizes de co-ocorrência en níveis de cinza (GLCM) e caminhadas determinísticas parcialmente auto-repulsivas em grafos (CDPAg). Este enfoque foi testado sobre três bancos de imagens: Brodatz, USPtex e UIUC, cada um com seus próprios desafios conhecidos. As taxas de acerto de todos os métodos tradicionais foram incrementadas com a concatenação de relativamente poucos descritores de Lempel-Ziv. Por exemplo, no caso do método LBP, o incremento foi de 84.25% a 89.09% com a concatenação de somente cinco descritores. De fato, simplesmente concatenando cinco descritores são suficientes para ver um incremento na taxa de acerto de todos os métodos tradicionais estudados. Por outro lado, a concatenação de un número excessivo de descritores de Lempel-Ziv (por exemplo mais de 40) geralmente não leva a melhora. Neste sentido, vendo os resultados semelhantes obtidos nos três bancos de imagens analisados, podemos concluir que o método proposto pode ser usado para incrementar as taxas de acerto em outras tarefas que envolvam classificação de texturas. Finalmente, com a amostragem CDPA também se obtém resultados significativos, que podem ser melhorados em trabalhos futuros. / Texture analysis is one of the basic and most popular computer vision research areas. It is also of importance in many other disciplines, such as medical sciences and biology. For example, non-healthy tissue detection in lung Magnetic Resonance images is a common texture analysis task. We proposed a novel method for texture characterization based on complexity measures such as Lyapunov exponent, Hurst exponent and Lempel-Ziv complexity. This measurements were applied over samples taken from images in the frequency domain. Three types of sampling methods were proposed: radial sampling, circular sampling and sampling by using partially self-avoiding deterministic walks (CDPA sampling). Each sampling method produce a feature vector which contains a set of descriptors that characterize the processed image. Then, each image will be represented by nine feature vectors which are means to be compared in texture classification tasks (three complexity measures over samples from three sampling methods). In the end, we combine each Lempel-Ziv feature vector from the circular and radial sampling with descriptors obtained through traditional image analysis techniques, such as Local Binary Patterns (LBP), Gabor Wavelets (GW), Gray Level Co-occurrence Matrix (GLCM) and Self-avoiding Deterministic Walks in graphs (CDPAg). This approach were tested in three datasets: Brodatz, USPtex and UIUC, each one with its own well-known challenges. All traditional methods success rates were increased by adding relatively few Lempel-Ziv descriptors. For example in the LBP case the increment went from 84.25% to 89.09% with the addition of only five descriptors. In fact, just adding five Lempel-Ziv descriptors are enough to see an increment in the success rate of every traditional method. However, adding too many Lempel-Ziv descriptors (for example more than 40) generally doesnt produce better results. In this sense, seeing the similar results we obtain in all three databases, we conclude that this approach may be used to increment the success rate in a lot of others texture classification tasks. Finally, the CDPA sampling also obtain very promising results that we can improve further on future works.