Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Atualmente, existem modelos matemáticos capazes de preverem acuradamente as relações entre propriedades de estado; e esta tarefa é extremamente importante no contexto da Engenharia Química, uma vez que estes modelos podem ser empregados para avaliar a performance de processos químicos. Ademais, eles são de fundamental importância para a simulação de reservatórios de petróleo e processos de separação. Estes modelos são conhecidos como equações de estado, e podem ser usados em problemas de equilíbrios de fases, principalmente em equilíbrios líquido-vapor. Recentemente, um teorema matemático foi formulado (Teorema de Redução), fornecendo as condições para a redução de dimensionalidade de problemas de equilíbrios de fases para misturas multicomponentes descritas por equações de estado cúbicas e regras de mistura e combinação clássicas. Este teorema mostra como para uma classe bem definidade de modelos termodinâmicos (equações de estado cúbicas e regras de mistura clássicas), pode-se reduzir a dimensão de vários problemas de equilíbrios de fases. Este método é muito vantajoso para misturas com muitos componentes, promovendo uma redução significativa no tempo de computação e produzindo resultados acurados. Neste trabalho, apresentamos alguns experimentos numéricos com misturas-testes usando a técnica de redução para obter pressões de ponto de orvalho sob especificação de temperaturas. / Nowadays, there are mathematical models capable of predicting accurately the relationships among state properties; and this task is very important in Chemical Engineering context, since these models can be used to evaluate the performance of chemical processes. Moreover, they are of fundamental importance for oil reservoir simulation and separation processes. These models are known as equations of state and can be used in phase equilibrium problems, mainly in vapor-liquid equilibrium. Recently, a mathematical theorem was formulated (Reduction Theorem), which provides the conditions for the reduction in the dimensionality of the phase equilibrium problem for multicomponent mixtures described by cubic equations of state and classical mixing and combination rules. This theorem shows how to a well-defined class of thermodynamic models (cubic equations of state and classical mixing rules), one can reduce the dimensionality of various phase equilibrium problems. This method is very advantageous for mixtures of many components, providing a significant reduction in the computation time and producing accurate results. In this work, we presented some numerical experiments with test-mixtures using the reduction technique to obtain dew point pressures at specified temperatures.

A digitalização das mídias e a influência da tecnologia ocasionaram a difusão de um novo modelo de cinema, conjunto complexo de mudanças pautadas na lógica econômica e em um processo de cognição específico. Nesse contexto, na nova disposição do cinema, observa-se uma transformação no processo narrativo fílmico para além de novos formatos e conteúdos audiovisuais. Para investigar o fenômeno da polidimensionalidade do conceito da narrativa no cinema contemporâneo, a presente dissertação realiza uma análise qualitativa de exemplos significativos do cinema comercial, considerando a não-linearidade, a transnacionalização, a transmídia, além de destacar a vertente da multiplicidade narrativa, da polidimensionalidade, no cinema experimental e nas instalações artísticas. Como recorte do objeto de pesquisa, optou-se pela análise do filme Slumdog Millionaire (2008), nos itens transnacionalização e não-linearidade; dos filmes Watchmen (2009) e Batman (The Dark Knight, 2008), como franquias de transmídia; além da multiplicidade do cinema experimental What we will e instalações. O critério de seleção dos filmes foi o destaque que obtiveram nas respectivas categorias nos últimos dois anos, nas grandes bilheterias do cinema comercial pelos sites Filme B e The Internet Movie Database / The digitalization of media and the influence of technology lead to the difusion of a new type of cinema, a complex set of changes related to specific logics of economics and to specific processes of cognition. In this context, in the new organization of cinema, it is possible to behold the process of filmic narrative changing into new formats and new audiovisual content. In order to investigate the phenomenon of the poly-dimensionality of the concept of narrative in the contemporary cinema, the present thesis performs a qualitative analysis of significative examples of the commercial cinema, taking into consideration the concepts of nonlinearity, transnationalization and transmedia. It also highlights the aspects of narrative multiplicity and poly-dimensionality in experimental cinema and installation art. In order to exemplify the research object, the thesis analyzes the movie Slumdog Millionaire (2008), in which concerns transnationalization and nonlinearity; both the movies Watchmen (2008) and Batman (The Dark Knight, 2008), as transmedia franchises; besides approaching the multiplicity of the experimental cinema piece What we will and some installation art pieces. The criterion for the selection of the movies was their good results in theaters for their respective categories in the last two years, according to the websites Filme B and The Internet Movie Database.

Em muitas representações de objetos ou sistemas físicos se faz necessário a utilização de técnicas de redução de dimensionalidade que possibilitam a análise dos dados em baixas dimensões, capturando os parâmetros essenciais associados ao problema. No contexto de aprendizagem de máquina esta redução se destina primordialmente à clusterização, reconhecimento e reconstrução de sinais. Esta tese faz uma análise meticulosa destes tópicos e suas conexões que se encontram em verdadeira ebulição na literatura, sendo o mapeamento de difusão o foco principal deste trabalho. Tal método é construído a partir de um grafo onde os vértices são os sinais (dados do problema) e o peso das arestas é estabelecido a partir do núcleo gaussiano da equação do calor. Além disso, um processo de Markov é estabelecido o que permite a visualização do problema em diferentes escalas conforme variação de um determinado parâmetro t: Um outro parâmetro de escala, Є, para o núcleo gaussiano é avaliado com cuidado relacionando-o com a dinâmica de Markov de forma a poder aprender a variedade que eventualmente seja o suporte do dados. Nesta tese é proposto o reconhecimento de imagens digitais envolvendo transformações de rotação e variação de iluminação. Também o problema da reconstrução de sinais é atacado com a proposta de pré-imagem utilizando-se da otimização de uma função custo com um parâmetro regularizador, γ, que leva em conta também o conjunto de dados iniciais. / In many representations of objects or physical systems it is necessary to use techniques of dimensionality reduction that enable the analysis of data at low dimensions, capturing the essential parameters associated with the problem. Within the context of machine learning this reduction is primarily intended for clustering , recognition and reconstruction of signals. This thesis makes a thorough analysis of these topics and their connections which are true boiling in the literature, the difusion mapping being the main focus of this work . This method is constructed from a graph where the vertices are the signs ( problem data ) and the weight of edges is established based on the Gaussian kernel of the heat equation. Furthermore , a Markov process is established which allows the visualization of the problem at diferent scales according to the variation of a given parameter t . Another scale parameter, Є , for the Gaussian core is carefully evaluated by relating it to the dynamic Markov so you can learn the variety that eventually support the data. This thesis proposed the recognition of digital images involving transformations of rotation and variation of illumination. Also the problem of reconstruction of signals is attacked with the proposed pre - image using the optimization of a cost function with a smoothing parameter, γ, Which also takes into account the initial dataset.

Tratar grandes quantidades de dados é uma exigência dos modernos algoritmos de mineração de texto. Para algumas aplicações, documentos são constantemente publicados, o que demanda alto custo de armazenamento em longo prazo. Então, é necessário criar métodos de fácil adaptação para uma abordagem que considere documentos em fluxo, e que analise os dados em apenas um passo sem requerer alto custo de armazenamento. Outra exigência é a de que essa abordagem possa explorar heurísticas a fim de melhorar a qualidade dos resultados. Diversos modelos para a extração automática das informações latentes de uma coleção de documentos foram propostas na literatura, dentre eles destacando-se os modelos probabilísticos de tópicos. Modelos probabilísticos de tópicos apresentaram bons resultados práticos, sendo estendidos para diversos modelos com diversos tipos de informações inclusas. Entretanto, descrever corretamente esses modelos, derivá-los e em seguida obter o apropriado algoritmo de inferência são tarefas difíceis, exigindo um tratamento matemático rigoroso para as descrições das operações efetuadas no processo de descoberta das dimensões latentes. Assim, para a elaboração de um método simples e eficiente para resolver o problema da descoberta das dimensões latentes, é necessário uma apropriada representação dos dados. A hipótese desta tese é a de que, usando a representação de documentos em grafos bipartidos, é possível endereçar problemas de aprendizado de máquinas, para a descoberta de padrões latentes em relações entre objetos, por exemplo nas relações entre documentos e palavras, de forma simples e intuitiva. Para validar essa hipótese, foi desenvolvido um arcabouço baseado no algoritmo de propagação de rótulos utilizando a representação em grafos bipartidos. O arcabouço, denominado PBG (Propagation in Bipartite Graph), foi aplicado inicialmente para o contexto não supervisionado, considerando uma coleção estática de documentos. Em seguida, foi proposta uma versão semissupervisionada, que considera uma pequena quantidade de documentos rotulados para a tarefa de classificação transdutiva. E por fim, foi aplicado no contexto dinâmico, onde se considerou fluxo de documentos textuais. Análises comparativas foram realizadas, sendo que os resultados indicaram que o PBG é uma alternativa viável e competitiva para tarefas nos contextos não supervisionado e semissupervisionado. / Handling large amounts of data is a requirement for modern text mining algorithms. For some applications, documents are published constantly, which demand a high cost for long-term storage. So it is necessary easily adaptable methods for an approach that considers documents flow, and be capable of analyzing the data in one step without requiring the high cost of storage. Another requirement is that this approach can exploit heuristics in order to improve the quality of results. Several models for automatic extraction of latent information in a collection of documents have been proposed in the literature, among them probabilistic topic models are prominent. Probabilistic topic models achieve good practical results, and have been extended to several models with different types of information included. However, properly describe these models, derive them, and then get appropriate inference algorithms are difficult tasks, requiring a rigorous mathematical treatment for descriptions of operations performed in the latent dimensions discovery process. Thus, for the development of a simple and efficient method to tackle the problem of latent dimensions discovery, a proper representation of the data is required. The hypothesis of this thesis is that by using bipartite graph for representation of textual data one can address the task of latent patterns discovery, present in the relationships between documents and words, in a simple and intuitive way. For validation of this hypothesis, we have developed a framework based on label propagation algorithm using the bipartite graph representation. The framework, called PBG (Propagation in Bipartite Graph) was initially applied to the unsupervised context for a static collection of documents. Then a semi-supervised version was proposed which need only a small amount of labeled documents to the transductive classification task. Finally, it was applied in the dynamic context in which flow of textual data was considered. Comparative analyzes were performed, and the results indicated that the PBG is a viable and competitive alternative for tasks in the unsupervised and semi-supervised contexts.

Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / A possibilidade de se obter sistemas bidimensionais a partir de materiais com estrutura cristalina lamelar tem atraÃdo muitas pesquisas nesses materiais, pois as propriedades de poucas camadas diferem bastante dos seus respectivos bulks, o que abre uma gama de possibilidades em aplicaÃÃes tecnolÃgicas. O fÃsforo negro apresenta muitas propriedades interessantes, dentre elas, um gap de energia, que garante a construÃÃo de dispositivos eletrÃnicos (bem diferente do grafeno que à um semi metal sem gap). Esse gap pode ser ajustado aumentando o nÃmero de camadas, variando de 0.3 eV para uma monocamada atà cerca de 2.0 eV para o bulk, cobrindo um espectro de energia de gap relativamente grande de dispositivos Ãpticos. AlÃm disso, esse material à altamente anisotrÃpico em sua estrutura de bandas. Neste trabalho, derivamos a aproximaÃÃo da massa efetiva a partir do modelo tight-binding e usamos o Hamiltoniano aproximado para estudar nanoestruturas de fÃsforo negro. Nesse modelo, o carÃter anisotrÃpico do fÃsforo negro à refletido na diferenÃa entre as massas efetivas quando se toma diferentes direÃÃes. Primeiramente, comparamos os resultados numÃrico obtido atravÃs da tÃcnica de diferenÃas finitas com o modelo analÃtico para um ponto quÃntico circular, que devido à estrutura de bandas ter um contorno elÃptico, à descrito pelas equaÃÃes de Mathieu quando se resolve a equaÃÃo de SchrÃdinger. Os resultados analÃtico e numÃrico mostram boa concordÃncia. Ainda na aproximaÃÃo da massa efetiva, estudamos o efeito de campos externos sobre um anel quÃntico de fÃsforo negro e analisamos o efeito da interaÃÃo entre esses campos e a anisotropia de massa do sistema sobre seus estados eletrÃnicos. Devido à anisotropia de massa, esse sistema quando sujeito a um campo magnÃtico, nÃo apresenta oscilaÃÃes Aharonov-Bohm, que podem ser recuperadas aplicando-se um potencial de confinamento elÃptico. Estudamos tambÃm o efeito de um campo elÃtrico nas direÃÃes x e y em um anel quÃntico, e verificamos como a energia à alterada pelo campo. Nossos resultados mostram que, como consequÃncia de uma localizaÃÃo da funÃÃo de onda causada pela anisotropia de massa, os nÃveis de energia decrescem quadraticamente (efeito Stark) com o campo aplicado apontando para a direÃÃo armchair, enquanto um decrÃscimo quase linear (efeito Stark linear) aparece para um campo aplicado na direÃÃo zigzag, com uma sÃrie de estados que se cruzam, levando a um comportamento semelhante ao de um poÃo quÃntico duplo sob um campo elÃtrico perpendicular a ele. / The possibility of obtaining two-dimensional systems from layered materials has been attracting a lot of research on these materials, since their few layer properties are very different from their respective bulk ones, which opens up great possibilities in technological applications. Black phosphorus exhibit several interesting properties, among them, a direct energy gap, that enables the possibility of fabricating electronic devices (in contrast e.g. with the gapless semi-metallic graphene), and which can be tuned by the number of layers, varying from 0.3 eV for a bulk up to 2.0 eV for a monolayer, thus covering a relatively large range of the energy spectrum for optical devices. Besides, the fact that this is a very anisotropic material has brought even more attention to it, towards novel ways of exploring this anisotropy in new technologies. In this work, we have derived the effective mass approximation from the tight binding model and used the out coming approximate Hamiltonian to study nanostructures based on monolayer black phosphorus. In this model, the anisotropic features of black phosphorus are reflected in the difference between effective masses in different directions. Firstly, we compare the finite difference methods with the analytical solution for a circular quantum dot, which, due to its elliptical contour of energy bands, is given by Mathieu functions for solving the resulting SchrÃdinger equation. With this comparison, we verify the compatibility between these methods. Within the effective mass approximation, we investigate the effect of external electromagnetic fields on a black phosphorus quantum ring, thus analysing the effect of the interplay between these fields and the system anisotropy on its electronic states. Due to the anisotropy, under an applied magnetic field, this ring does not exhibit Aharonov-Bohm oscillations, which can be recovered by assuming an elliptic ring-like confinement. We also investigate the effect of an external electric field applied in x and y directions in a black phosphorus quantum ring on its energy levels. Our results show that, as a consequence of a wave function localization induced by mass anisotropy, energy levels decay quadratically (Stark effect) with the field if it is applied along the armchair direction, whereas an almost linear Stark effect, along with a series of crossing excited states, is observed for a field applied in the zigzag direction, leading to a behavior that is in close resemblance to a double quantum well under a perpendicular electric field.

Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-11T18:17:21Z No. of bitstreams: 2 Dissertaçao Lailson de Moraes.pdf: 4634910 bytes, checksum: cbec580f8cbc24cb3feb2379a1d2dfbd (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Approved for entry into archive by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-13T13:02:06Z (GMT) No. of bitstreams: 2 Dissertaçao Lailson de Moraes.pdf: 4634910 bytes, checksum: cbec580f8cbc24cb3feb2379a1d2dfbd (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-13T13:02:06Z (GMT). No. of bitstreams: 2 Dissertaçao Lailson de Moraes.pdf: 4634910 bytes, checksum: cbec580f8cbc24cb3feb2379a1d2dfbd (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-08-19 / An important pre-processing step in machine learning systems is dimensionality reduction, which aims to produce compact representations of high-dimensional patterns. In computer vision applications, these patterns are typically images, that are represented by two-dimensional matrices. However, traditional dimensionality reduction techniques were designed to work only with vectors, what makes them a suboptimal choice for processing two-dimensional data. Another problem with traditional approaches for dimensionality reduction is that they operate either on a fully unsupervised or fully supervised way, what limits their efficiency in scenarios where supervised information is available only for a subset of the data. These situations are increasingly common because in many modern applications it is easy to produce raw data, but it is usually difficult to label it. In this study, we propose three dimensionality reduction methods that can overcome these limitations: Two-dimensional Semi-supervised Dimensionality Reduction (2D-SSDR), Two-dimensional Discriminant Principal Component Analysis (2D-DPCA), and Two-dimensional Semi-supervised Local Fisher Discriminant Analysis (2D-SELF). They work directly with two-dimensional data and can also take advantage of supervised information even if it is available only for a small part of the dataset. In addition, a fully supervised method, the Two-dimensional Local Fisher Discriminant Analysis (2D-LFDA), is proposed too. The methods are defined in terms of a two-dimensional framework, which was created in this study as well. The framework is capable of generally describing scatter-based methods for dimensionality reduction and can be used for deriving other two-dimensional methods in the future. Experimental results showed that, as expected, the novel methods are faster and more stable than the existing ones. Furthermore, 2D-SSDR, 2D-SELF, and 2D-LFDA achieved competitive classification accuracies most of the time when compared to the traditional methods. Therefore, these three techniques can be seen as viable alternatives to existing dimensionality reduction methods. / Um estágio importante de pré-processamento em sistemas de aprendizagem de máquina é a redução de dimensionalidade, que tem como objetivo produzir representações compactas de padrões de alta dimensionalidade. Em aplicações de visão computacional, estes padrões são tipicamente imagens, que são representadas por matrizes bi-dimensionais. Entretanto, técnicas tradicionais para redução de dimensionalidade foram projetadas para lidar apenas com vetores, o que as torna opções inadequadas para processar dados bi-dimensionais. Outro problema com as abordagens tradicionais para redução de dimensionalidade é que elas operam apenas de forma totalmente não-supervisionada ou totalmente supervisionada, o que limita sua eficiência em cenários onde dados supervisionados estão disponíveis apenas para um subconjunto das amostras. Estas situações são cada vez mais comuns por que em várias aplicações modernas é fácil produzir dados brutos, mas é geralmente difícil rotulá-los. Neste estudo, propomos três métodos para redução de dimensionalidade capazes de contornar estas limitações: Two-dimensional Semi-supervised Dimensionality Reduction (2DSSDR), Two-dimensional Discriminant Principal Component Analysis (2D-DPCA), e Twodimensional Semi-supervised Local Fisher Discriminant Analysis (2D-SELF). Eles operam diretamente com dados bi-dimensionais e também podem explorar informação supervisionada, mesmo que ela esteja disponível apenas para uma pequena parte das amostras. Adicionalmente, um método completamente supervisionado, o Two-dimensional Local Fisher Discriminant Analysis (2D-LFDA) é proposto também. Os métodos são definidos nos termos de um framework bi-dimensional, que foi igualmente criado neste estudo. O framework é capaz de descrever métodos para redução de dimensionalidade baseados em dispersão de forma geral e pode ser usado para derivar outras técnicas bi-dimensionais no futuro. Resultados experimentais mostraram que, como esperado, os novos métodos são mais rápidos e estáveis que as técnicas existentes. Além disto, 2D-SSDR, 2D-SELF, e 2D-LFDA obtiveram taxas de erro competitivas na maior parte das vezes quando comparadas aos métodos tradicionais. Desta forma, estas três técnicas podem ser vistas como alternativas viáveis aos métodos existentes para redução de dimensionalidade.

Submitted by Daniel Aranha (df_aranha@yahoo.com.br) on 2018-10-01T21:30:18Z No. of bitstreams: 1 Daniel_Aranha FGV-Dissertacao-Diversidade vFinal (1out2018) - Biblioteca.pdf: 971302 bytes, checksum: 1df325a5c82aa33b85b26ef2071a95b4 (MD5) / Rejected by Mayara Costa de Sousa (mayara.sousa@fgv.br), reason: Daniel, boa tarde. Alguns itens devem ser ajustados de acordo com as normas: 1. GETULIO não tem acento 2. Seu nome deve estar completo, sem abreviação 3. As palavras-chave do resumo/abstract devem ser separadas por ponto e virgula att, Mayara on 2018-10-05T19:32:07Z (GMT) / Submitted by Daniel Aranha (df_aranha@yahoo.com.br) on 2018-10-09T21:38:02Z No. of bitstreams: 1 Daniel_Aranha FGV-Dissertacao-Diversidade vFinal (1out2018) - Biblioteca.pdf: 971244 bytes, checksum: 094ef31f01f246465c5a4aa74b3e0f1e (MD5) / Approved for entry into archive by Mayara Costa de Sousa (mayara.sousa@fgv.br) on 2018-10-09T21:42:45Z (GMT) No. of bitstreams: 1 Daniel_Aranha FGV-Dissertacao-Diversidade vFinal (1out2018) - Biblioteca.pdf: 971244 bytes, checksum: 094ef31f01f246465c5a4aa74b3e0f1e (MD5) / Approved for entry into archive by Suzane Guimarães (suzane.guimaraes@fgv.br) on 2018-10-10T13:46:59Z (GMT) No. of bitstreams: 1 Daniel_Aranha FGV-Dissertacao-Diversidade vFinal (1out2018) - Biblioteca.pdf: 971244 bytes, checksum: 094ef31f01f246465c5a4aa74b3e0f1e (MD5) / Made available in DSpace on 2018-10-10T13:46:59Z (GMT). No. of bitstreams: 1 Daniel_Aranha FGV-Dissertacao-Diversidade vFinal (1out2018) - Biblioteca.pdf: 971244 bytes, checksum: 094ef31f01f246465c5a4aa74b3e0f1e (MD5) Previous issue date: 2018-09-12 / Diversidade nas organizações é um assunto amplamente estudado desde o final da década de 80 nos EUA, bem como a partir dos anos 2000 no Brasil. A maior parte destes estudos concentram-se na gestão da Diversidade, ou seja, uma perspectiva instrumental para as organizações maximizarem seus resultados ou desenvolverem vantagens competitivas. Por outro lado, há estudos Críticos que buscam entender o real impacto ou viabilidade das iniciativas de Diversidade nas organizações. Neste sentido, entendemos válido questionar o que representam o discurso e práticas organizacionais sobre Diversidade, com relação aos seus possíveis impactos sobre o indivíduo e, por consequência, sobre a sociedade. Neste trabalho, sob uma lente Crítica, em que utilizamos os conceitos de unidimensionalidade e dessublimação repressiva, de Marcuse; buscamos entender a relação entre aquilo que as organizações de forma explícita ou implícita buscam e determinam como metas em suas iniciativas relacionadas à Diversidade, com aquilo que os indivíduos e minorias tem a oferecer ou esperam de tais iniciativas. Analisamos a teoria que fundamenta os conceitos adotados pelas organizações em suas iniciativas sobre Diversidade, bem como pesquisamos o discurso e práticas seguidas por algumas organizações. Observamos que, (i) se por um lado é inegável que as iniciativas organizacionais representam um papel positivo, na medida em que pode reduzir injustiças sociais e desigualdade; (ii) do outro lado da mesma moeda, sob uma perspectiva Crítica, estas iniciativas tem um caráter retórico e pouco ou nada fazem para promover um comportamento que privilegie a diversidade de ideias, por exemplo. Pelo contrário, as práticas ou iniciativas organizacionais vinculadas à Diversidade acabam por representar a própria negação do diverso, estreitam a possibilidade de recusa e reforçam a unidimensionalidade. / Diversity in organizations is a widely studied topic since the late 80's in the US and since the 2000s in Brazil. Most of these studies focus on managing Diversity, that is, on an instrumental perspective for organizations to maximize their results or to gain competitive advantage. Conversely, there are argumentative studies that seek to understand the actual impact or viability of Diversity initiatives in organizations. In this sense, we consider that it is valid to question what organizational discourse and practices related to Diversity represent with respect to their impact on the individual and, consequently, on society. In the present paper, through a Critical lens and using the concepts of one-dimensionality and repressive desublimation by Marcuse, we seek to understand the relationship between what organizations explicitly or implicitly pursue and determine as their goals in the Diversityrelated initiatives, and what individuals and minorities have to offer to or expect from such initiatives. We analyzed the theory that supports the concepts adopted by organizations in their initiatives on Diversity, as well as investigated the discourse and practices applied by some organizations. We found that: (i) while on the one hand it is undeniable that these organizational initiatives play a positive role, insofar as they might reduce social injustice and inequality, (ii) on the other hand, from a Critical perspective, these initiatives have a rhetorical character and do little or nothing to promote behavior that favors the diversity of ideas, for example. On the contrary, Diversity-related organizational practices or initiatives eventually represent the denial of diversity itself, narrowing the possibility of refusal and reinforcing one-dimensionality.

Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2016-08-10T19:31:03Z No. of bitstreams: 2 Dissertação - Weder Cabral Mendes - 2016.pdf: 1214460 bytes, checksum: 14588573f8f81fe4836a9945adacf37d (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-08-15T13:25:32Z (GMT) No. of bitstreams: 2 Dissertação - Weder Cabral Mendes - 2016.pdf: 1214460 bytes, checksum: 14588573f8f81fe4836a9945adacf37d (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-08-15T13:25:32Z (GMT). No. of bitstreams: 2 Dissertação - Weder Cabral Mendes - 2016.pdf: 1214460 bytes, checksum: 14588573f8f81fe4836a9945adacf37d (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-03-31 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Gait recognition via computer vision attracted increasing interest for its noninvasive characteristic and mainly for your advantage of recognizing people at distance. Recognition is performing extracting features included in gait, this features are extracted from images sequence of people walking. The main challenges of gait recognition is to extract characteristics with unique information for each person, in additional, the use of accessories and clothes difficult the feature extraction process. This paper proposes a gait recognition method using information of people’s contours transformed in domain frequence by Discrete Fourier Transform. A lot of data are generated from the contours, thereby, three different techniques for dimensionality reduction CDA (Class Discrimination Ability), PCA (Principal Component Analysis) and PLS (Partial Least Squares) are employed to reduce the dimensionality of data and generate characteristics that are relevant to the recongnition system. Two classifiers, KNN (K-Nearest Neighbor) and LDA (Linear Discriminant Analysis) classify the characteristics that are returned by the dimensionality reduction methods. The accuracy are achieved by the combination of the dimensionality reduction methods and classifiers, the highest accuracy was 92:67%, which was achieved with the combination between the LDA and PCA (LDAPCA). Therefore, the results show that the information contained in the contours of silhouette are discriminant to recognize people by their gait. / O reconhecimento de pessoas através da marcha humana via visão computacional tem ganhado destaque por ser uma técnica biométrica não invasiva e principalmente por sua vantagem de reconhecer pessoas à distância. O reconhecimento é realizando extraindo características contidas na marcha de cada pessoa, essas características são extraídas de sequências de imagens da pessoa caminhando. Os principais desafios dessa técnica biométrica está em extrair as características com informações que consigam diferenciar uma pessoa da outra, além disso, o uso de acessórios e vestimentas dificultam o processo de extração de características. Este trabalho propõe um método de reconhecimento baseado na marcha humana utilizando informações dos contornos das pessoas transformados para o domínio da frequência por meio da Transformada Discreta de Fourier. Como são geradas muitos dados a partir dos contornos, três técnicas diferentes de redução de dimensionalidade CDA (Class Discrimination Ability), PCA (Principal Component Analysis) e PLS (Partial Least Squares) são empregadas para reduzir a quantidade de dados e gerar características que sejam relevantes para o sistema de reconhecimento. Dois classificadores, KNN (K-Nearest Neighbor) e LDA (Linear Discriminant Analysis) classificam as características retornadas pelos métodos de redução de dimensionalidade. As taxas de acurácia são obtidas pelos resultados gerados entre a combinação dos métodos de redução de dimensionalidade e os classificadores, a maior taxa de acurácia foi de 92;67%, a qual foi alcançada com a combinação entre o LDA e PCA (LDAPCA). Dessa forma, conclui-se que as informações contidas no contorno da silhueta no domínio da frequência são discriminantes para reconhecer pessoas através da marcha.

Neste trabalho são exploradas diversas técnicas de escalonamento multidimensional (MDS), com o objetivo de estudar sua aplicabilidade no mapeamento de dados genômicos resultantes da técnica RFLP-PCR, sendo esse mapeamento realizado em espaços de baixa dimensionalidade (2D ou 3D) com o fim de aproveitar a habilidade de análise e interpretação visual que possuem os seres humanos. Foi realizada uma análise comparativa de diversos algoritmos MDS, visando sua aptidão para mapear dados genômicos. Esta análise compreendeu o estudo de alguns índices de desempenho como a precisão no mapeamento, o custo computacional e a capacidade de induzir bons agrupamentos. Para a realização dessa análise foi desenvolvida a ferramenta \"MDSExplorer\", a qual integra os algoritmos estudados e várias opções que permitem comparar os algoritmos e visualizar os mapeamentos. Á análise realizada sobre diversos bancos de dados citados na literatura, sugerem que o algoritmo LANDMARK possui o menor tempo computacional, uma precisão de mapeamento similar aos demais algoritmos, e uma boa capacidade de manter as estruturas existentes nos dados. Finalmente, o MDSExplorer foi usado para mapear um banco de dados genômicos: o banco de estirpes de bactérias fixadoras de nitrogênio, pertencentes ao gênero Bradyrhizobium, com objetivo de ajudar o especialista a inferir visualmente alguma taxonomia nessas estirpes. Os resultados na redução dimensional desse banco de dados sugeriram que a informação relevante (acima dos 60% da variância acumulada) para as regiões 16S, 23S e IGS estaria nas primeiras 5, 4 e 9 dimensões respectivamente. / In this work were studied various Multidimensional Scaling (MDS) techniques intended to apply in the mapping of genomics data obtained of RFLP-PCR technique. This mapping is done in a low dimensional space (2D or 3D), and has the intention of exploiting the visual human capability on analysis and synthesis. A comparative analysis of diverse algorithms MDS was carried out in order to devise its ubiquity in representing genomics data. This analysis covers the study of some indices of performance such as: the precision in the mapping, the computational cost and the capacity to induce good groupings. The purpose of this analysis was developed a software tool called \"MDSExplorer\", which integrates various MDS algorithms and some options that allow to compare the algorithms and to visualize the mappings. The analysis, carried out over diverse datasets cited in the literature, suggest that the algorithm LANDMARK has the lowest computational time, a good precision in the mapping, and a tendency to maintain the existing structures in the data. Finally, MDSExplorer was used to mapping a real genomics dataset: the RFLP-PRC images of a Brazilian collection of bacterial strains belonging to the genus Bradyrhizobium (known by their capability to transform the nitrogen of the atmosphere into compounds useful for the host plants), with the objective to aid the specialist to infer visually a taxonomy in these strains. The results in reduction of dimensionality in this data base, suggest that the relevant information (above 60% of variance accumulated) to the region 16S, 23S and IGS is around 5, 4 and 9 dimensions respectively.

Redução de dimensionalidade é um problema muito importante da área de reconhecimento de padrões com aplicação em diversos campos do conhecimento. Dentre as técnicas de redução de dimensionalidade, a de seleção de características foi o principal foco desta pesquisa. De uma forma geral, a maioria dos métodos de redução de dimensionalidade presentes na literatura costumam privilegiar casos nos quais os dados sejam linearmente separáveis e só existam duas classes distintas. No intuito de tratar casos mais genéricos, este trabalho propõe uma função critério, baseada em sólidos princípios de teoria estatística como entropia e informação mútua, a ser embutida nos algoritmos de seleção de características existentes. A proposta dessa abordagem é tornar possível classificar os dados, linearmente separáveis ou não, em duas ou mais classes levando em conta um pequeno subespaço de características. Alguns resultados com dados sintéticos e dados reais foram obtidos confirmando a utilidade dessa técnica. Este trabalho tratou dois problemas de bioinformática. O primeiro trata de distinguir dois fenômenos biológicos através de seleção de um subconjunto apropriado de genes. Foi estudada uma técnica de seleção de genes fortes utilizando máquinas de suporte vetorial (MSV) que já vinha sendo aplicada para este fim em dados de SAGE do genoma humano. Grande parte dos genes fortes encontrados por esta técnica para distinguir tumores de cérebro (glioblastoma e astrocytoma), foram validados pela metodologia apresentada neste trabalho. O segundo problema que foi tratado neste trabalho é o de identificação de redes de regulação gênica, utilizando a metodologia proposta, em dados produzidos pelo trabalho de DeRisi et al sobre microarray do genoma do Plasmodium falciparum, agente causador da malária, durante as 48 horas de seu ciclo de vida. O presente texto apresenta evidências de que a utilização da entropia condicional média para estimar redes genéticas probabilísticas (PGN) pode ser uma abordagem bastante promissora nesse tipo de aplicação. No contexto de processamento de imagens, tal técnica pôde ser aplicada com sucesso em obter W-operadores minimais para realização de filtragem de imagens e reconhecimento de texturas. / Dimensionality reduction is a very important pattern recognition problem with many applications. Among the dimensionality reduction techniques, feature selection was the main focus of this research. In general, most dimensionality reduction methods that may be found in the literature privilegiate cases in which the data is linearly separable and with only two distinct classes. Aiming at covering more generic cases, this work proposes a criterion function, based on the statistical theory principles of entropy and mutual information, to be embedded in the existing feature selection algorithms. This approach allows to classify the data, linearly separable or not, in two or more classes, taking into account a small feature subspace. Results with synthetic and real data were obtained corroborating the utility of this technique. This work addressed two bioinformatics problems. The first is about distinguishing two biological fenomena through the selection of an appropriate subset of genes. We studied a strong genes selection technique using support vector machines (SVM) which has been applied to SAGE data of human genome. Most of the strong genes found by this technique to distinguish brain tumors (glioblastoma and astrocytoma) were validated by the proposed methodology presented in this work. The second problem covered in this work is the identification of genetic network regulation, using our proposed methodology, from data produced by work of DeRisi et al about microarray of the Plasmodium falciparum genome, malaria agent, during 48 hours of its life cycle. This text presents evidences that using mean conditional entropy to estimate a probabilistic genetic network (PGN) may be very promising. In the image processing context, it is shown that this technique can be applied to obtain minimal W-operators that perform image filtering and texture recognition.