Uma variedade de algoritmos de aprendizado semissupervisionado baseado em grafos e métodos de geração de grafos foram propostos pela comunidade científica nos últimos anos. Apesar de seu aparente sucesso empírico, a área de aprendizado semissupervisionado carece de um estudo empírico detalhado que avalie o impacto da geração de grafos na classificação semissupervisionada. Neste trabalho, é provido tal estudo empírico. Para tanto, combinam-se uma variedade de métodos de geração de grafos com uma variedade de algoritmos de aprendizado semissupervisionado baseado em grafos para compará-los empiricamente em seis bases de dados amplamente usadas na literatura de aprendizado semissupervisionado. Os algoritmos são avaliados em tarefas de classificação de dígitos, caracteres, texto, imagens e de distribuições gaussianas. A avaliação experimental proposta neste trabalho é subdividida em quatro partes: (1) análise de melhor caso; (2) avaliação da estabilidade dos classificadores semissupervisionados; (3) avaliação do impacto da geração de grafos na classificação semissupervisionada; (4) avaliação da influência dos parâmetros de regularização no desempenho de classificação dos classificadores semissupervisionados. Na análise de melhor caso, avaliam-se as melhores taxas de erro de cada algoritmo semissupervisionado combinado com os métodos de geração de grafos usando uma variedade de valores para o parâmetro de esparsificação, o qual está relacionado ao número de vizinhos de cada exemplo de treinamento. Na avaliação da estabilidade dos classificadores, avalia-se a estabilidade dos classificadores semissupervisionados combinados com os métodos de geração de grafos usando uma variedade de valores para o parâmetro de esparsificação. Para tanto, fixam-se os valores dos parâmetros de regularização (quando existirem) que geraram os melhores resultados na análise de melhor caso. Na avaliação do impacto da geração de grafos, avaliam-se os métodos de geração de grafos combinados com os algoritmos de aprendizado semissupervisionado usando uma variedade de valores para o parâmetro de esparsificação. Assim como na avaliação da estabilidade dos classificadores, para esta avaliação, fixam-se os valores dos parâmetros de regularização (quando existirem) que geraram os melhores resultados na análise de melhor caso. Na avaliação da influência dos parâmetros de regularização na classificação semissupervisionada, avaliam-se as superfícies de erro geradas pelos classificadores semissupervisionados em cada grafo e cada base de dados. Para tanto, fixam-se os grafos que geraram os melhores resultados na análise de melhor caso e variam-se os valores dos parâmetros de regularização. O intuito destes experimentos é avaliar o balanceamento entre desempenho de classificação e estabilidade dos algoritmos de aprendizado semissupervisionado baseado em grafos numa variedade de métodos de geração de grafos e valores de parâmetros (de esparsificação e de regularização, se houver). A partir dos resultados obtidos, pode-se concluir que o grafo k- vizinhos mais próximos mútuo (mutKNN) pode ser a melhor opção dentre os métodos de geração de grafos de adjacência, enquanto que o kernel RBF pode ser a melhor opção dentre os métodos de geração de matrizes ponderadas. Em adição, o grafo mutKNN tende a gerar superfícies de erro que são mais suaves que aquelas geradas pelos outros métodos de geração de grafos de adjacência. Entretanto, o grafo mutKNN é instável para valores relativamente pequenos de k. Os resultados obtidos neste trabalho indicam que o desempenho de classificação dos algoritmos semissupervisionados baseados em grafos é fortemente influenciado pela configuração de parâmetros. Poucos padrões evidentes foram encontrados para auxiliar o processo de seleção de parâmetros. As consequências dessa instabilidade são discutidas neste trabalho em termos de pesquisa e aplicações práticas / A variety of graph-based semi-supervised learning algorithms have been proposed by the research community in the last few years. Despite its apparent empirical success, the field of semi-supervised learning lacks a detailed empirical study that evaluates the influence of graph construction on semisupervised learning. In this work we provide such an empirical study. For such purpose, we combine a variety of graph construction methods with a variety of graph-based semi-supervised learning algorithms in order to empirically compare them in six benchmark data sets widely used in the semi-supervised learning literature. The algorithms are evaluated in tasks about digit, character, text, and image classification as well as classification of gaussian distributions. The experimental evaluation proposed in this work is subdivided into four parts: (1) best case analysis; (2) evaluation of classifiers stability; (3) evaluation of the influence of graph construction on semi-supervised learning; (4) evaluation of the influence of regularization parameters on the classification performance of semi-supervised learning algorithms. In the best case analysis, we evaluate the lowest error rates of each semi-supervised learning algorithm combined with the graph construction methods using a variety of sparsification parameter values. Such parameter is associated with the number of neighbors of each training example. In the evaluation of classifiers stability, we evaluate the stability of the semi-supervised learning algorithms combined with the graph construction methods using a variety of sparsification parameter values. For such purpose, we fixed the regularization parameter values (if any) with the values that achieved the best result in the best case analysis. In the evaluation of the influence of graph construction, we evaluate the graph construction methods combined with the semi-supervised learning algorithms using a variety of sparsification parameter values. In this analysis, as occurred in the evaluation of classifiers stability, we fixed the regularization parameter values (if any) with the values that achieved the best result in the best case analysis. In the evaluation of the influence of regularization parameters on the classification performance of semi-supervised learning algorithms, we evaluate the error surfaces generated by the semi-supervised classifiers in each graph and data set. For such purpose, we fixed the graphs that achieved the best results in the best case analysis and varied the regularization parameters values. The intention of our experiments is evaluating the trade-off between classification performance and stability of the graphbased semi-supervised learning algorithms in a variety of graph construction methods as well as parameter values (sparsification and regularization, if applicable). From the obtained results, we conclude that the mutual k-nearest neighbors (mutKNN) graph may be the best choice for adjacency graph construction while the RBF kernel may be the best choice for weighted matrix generation. In addition, mutKNN tends to generate error surfaces that are smoother than those generated by other adjacency graph construction methods. However, mutKNN is unstable for relatively small values of k. Our results indicate that the classification performance of the graph-based semi-supervised learning algorithms are heavily influenced by parameter setting. We found just a few evident patterns that could help parameter selection. The consequences of such instability are discussed in this work in research and practice

Pavement damage due to heavy loads on thaw weakened flexible pavements is a major concern for road agencies in Western Canada. To protect weaker, low volume roads, agencies impose spring weight restrictions (SWR) during the spring thaw to reduce pavement damage. While SWR may be cost effective for highway agencies, reducing the spring weight allowances can have a major impact on truck productivity and shipping costs. Therefore an improved process that links SWR loads to pavement damage, and based on limiting failure strain, is required. This thesis developed Local mechanistic-empirical damage models to predict fatigue and rutting failure on two spring weight restricted (SWR) flexible pavements in Manitoba. The Local damage models were used to assess the SWR loads that regulate commercial vehicle weights in Manitoba based on a limiting strain relationship between truck loads and damage. The Local damage models and a calibrated Finite Element Model (FEM) were used to predict the equivalent single axle load (ESAL) repetitions to fatigue and rutting failure at varying B-Train axle loads at the Manitoba sites. The Local model predictions were compared to predictions from the Asphalt Institute (AI) and Mechanistic Empirical Design Guide (MEPDG) damage models. The results of the analysis showed that for each 1% increase in load, there was a corresponding 1% increase in strain, and up to 3% decrease in ESAL repetitions to failure, depending on the Local, AI, or MEPDG damage models. The limiting failure strains, computed from the Local model for design ESALs of 100,000, were 483μm/m and 1,008μm/m for fatigue and rutting failure, respectively. For the Manitoba sites, the predicted FEM strains at B-Train normal and SWR loads were higher than the Local model limiting strains. Therefore the Manitoba ii SWR loads regulating B-Train operations on the two pavements during the spring period appeared to be reasonable. It is recommended that the research findings be verified with further calibration and validation of the Local damage model using a larger data set of low volume flexible pavements. A strain-based concept on how to manage the SWR regime in Manitoba based on the limiting strains was developed and presented.

Pavement damage due to heavy loads on thaw weakened flexible pavements is a major concern for road agencies in Western Canada. To protect weaker, low volume roads, agencies impose spring weight restrictions (SWR) during the spring thaw to reduce pavement damage. While SWR may be cost effective for highway agencies, reducing the spring weight allowances can have a major impact on truck productivity and shipping costs. Therefore an improved process that links SWR loads to pavement damage, and based on limiting failure strain, is required. This thesis developed Local mechanistic-empirical damage models to predict fatigue and rutting failure on two spring weight restricted (SWR) flexible pavements in Manitoba. The Local damage models were used to assess the SWR loads that regulate commercial vehicle weights in Manitoba based on a limiting strain relationship between truck loads and damage. The Local damage models and a calibrated Finite Element Model (FEM) were used to predict the equivalent single axle load (ESAL) repetitions to fatigue and rutting failure at varying B-Train axle loads at the Manitoba sites. The Local model predictions were compared to predictions from the Asphalt Institute (AI) and Mechanistic Empirical Design Guide (MEPDG) damage models. The results of the analysis showed that for each 1% increase in load, there was a corresponding 1% increase in strain, and up to 3% decrease in ESAL repetitions to failure, depending on the Local, AI, or MEPDG damage models. The limiting failure strains, computed from the Local model for design ESALs of 100,000, were 483μm/m and 1,008μm/m for fatigue and rutting failure, respectively. For the Manitoba sites, the predicted FEM strains at B-Train normal and SWR loads were higher than the Local model limiting strains. Therefore the Manitoba ii SWR loads regulating B-Train operations on the two pavements during the spring period appeared to be reasonable. It is recommended that the research findings be verified with further calibration and validation of the Local damage model using a larger data set of low volume flexible pavements. A strain-based concept on how to manage the SWR regime in Manitoba based on the limiting strains was developed and presented.

Submitted by Maria Medeiros (maria.dilva1@ufcg.edu.br) on 2018-10-17T13:12:41Z No. of bitstreams: 1 VERILÂNEA NEYONARA FAUSTINO LISBOA - DISSERTAÇÃO (PPGEQ) 2017.pdf: 1445004 bytes, checksum: c2f80a5d04e632d9c74d55a966dca898 (MD5) / Made available in DSpace on 2018-10-17T13:12:41Z (GMT). No. of bitstreams: 1 VERILÂNEA NEYONARA FAUSTINO LISBOA - DISSERTAÇÃO (PPGEQ) 2017.pdf: 1445004 bytes, checksum: c2f80a5d04e632d9c74d55a966dca898 (MD5) Previous issue date: 2017-11-28 / CNPq / O quiabo é um vegetal presente o ano inteiro sendo bastante consumido em diversas partes do mundo. Contudo apresenta tempo de prateleira curto gerando perdas pós-colheita. Assim a secagem constitui uma alternativa para minimizar o desperdício. Dentro dessa linha o presente trabalho tem como objetivo avaliar o efeito da secagem em temperaturas distintas sobre o teor de compostos fenólicos, atividade antioxidante e características físico-químicas do quiabo. Foi usado o secador de leito fixo com as temperaturas de 43ºC e 65ºC e uma velocidade do ar de 0,85 m/s. Todas as análises feitas no quiabo in natura foram realizadas no quiabo desidratado. Os resultados obtidos mostraram que houve uma concentração de todos os nutrientes avaliados após o processo de secagem. A aplicação de modelos empíricos resultou que o modelo de Page foi o mais adequado (R2=99,95%, SSE= 0,002 e RMSE= 0,0007) para a temperatura de 43ºC e para a temperatura de 65ºC o modelo Logarítmico forneceu melhor ajuste (R2=99,6%, SSE=0,008 e RMSE=0,020). A aplicação do modelo fenomenológico forneceu um valor de Deff = 9,16x10-8 m2/s (R2=98,5%) para a temperatura de 43ºC e um Deff = 2,16x10-7 m2/s (R2=98,2%) para 65ºC. / The okra is a vegetable present the whole year being quite consumed in several parts of the world. However, it presents short shelf life generating post-harvest losses. Thus drying is an alternative to minimize waste. Within this line the objective of this work is to evaluate the effect of drying at different temperatures on the content of phenolic compounds, antioxidant activity and physical and chemical characteristics of okra. The fixed bed drier was used with temperatures of 43ºC and 65°C and an air velocity of 0.85 m/s. All the analyzes made on okra in natura were carried out on dehydrated okra. The results showed that there was a concentration of all nutrients evaluated after the drying process. The application of empirical models showed that the Page model was the most adequate (R2 = 99.95%, SSE = 0.002 and RMSE = 0.0007) for the temperature of 43 ° C and for the temperature of 65 ° C the logarithmic model provided the best fit (R2 = 99.6%, SSE = 0.008 and RMSE = 0.020). The application of the phenomenological model yielded a Deff = 9.16x10-8 m2 / s (R2 = 98.5%) for the temperature of 43ºC and a Deff = 2,16x10-7 m2 / s (R2 = 98.2 %) to 65 ° C.

O escopo desta dissertação é o desenvolvimento de uma metodologia para a detecção e diagnóstico de falhas em processos industriais baseado em modelos empíricos no subespaço das variáveis do processo com expansão não linear das bases. A detecção e o diagnóstico de falhas são fundamentais para aumentar a segurança, confiabilidade e lucratividade de processos industriais. Métodos qualitativos, quantitativos e baseados em dados históricos do processo têm sido estudados amplamente. Para demonstrar as vantagens da metodologia proposta, ela será comparada com duas metodologias consideradas padrão, uma baseada em Análise de Componentes Principais (PCA) e a outra baseada em Mínimos Quadrados Parciais (PLS). Dois estudos de casos são empregados nessa comparação. O primeiro consiste em um tanque de aquecimento com mistura e o segundo contempla o estudo de caso do processo da Tennessee Eastman. As vantagens da metodologia proposta consistem na redução da dimensionalidade dos dados a serem usados para um diagnóstico adequado, além de detectar efetivamente a anormalidade e identificar as variáveis mais relacionadas à falha, permitindo um melhor diagnóstico. Além disso, devido à expansão das bases dos modelos é possível trabalhar efetivamente com sistemas não lineares, através de funções polinomiais e exponenciais dentro do modelo. Adicionalmente o trabalho contém uma metodologia de validação dos resultados da metodologia proposta, que consiste na eliminação das variáveis do melhor modelo obtido pelos Modelos Empíricos, através do método Backward Elimination. A metodologia proposta forneceu bons resultados na área do diagnóstico de falhas: conseguiu-se uma grande diminuição da dimensionalidade nos sistemas estudados em até 93,55%, bem como uma correta detecção de anormalidades e permitiu a determinação das variáveis mais relacionadas às anormalidades do processo. As comparações feitas com as metodologias padrões permitiram demonstrar que a metodologia proposta tem resultados superiores, pois consegue detectar as anormalidades em um espaço dimensional reduzido, detectando comportamentos não lineares e diminuindo incertezas. / Fault detection and diagnosis are critical to increasing the safety, reliability, and profitability of industrial processes. Qualitative and quantitative methods and process historical data have been extensively studied. This article proposes a methodology for fault detection and diagnosis, based on historical data of processes and the creation of empirical models with the expansion of nonlinear bases (polynomial and exponential bases) and regularization techniques. To demonstrate the advantages of the proposed approach, it is compared with two standard methodologies: Principal Components Analysis (PCA) and the Partial Least Squares (PLS), performed in two case studies: a mixed heating tank and the Tennessee Eastman Process. The advantages of the proposed methodology are the reduction of the dimensionality of the data used, in addition to the effective detection of abnormalities, identifying the variables most related to the fault. Furthermore, the work contains a methodology to validate the diagnosis results consisting of variable elimination from the best empirical models with the Backward Elimination algorithm. The proposed methodology achieved a promising performance, since it can decrease the dimensionality of the studied systems up to 93.55%, reducing uncertainties, and capturing nonlinear behaviors.

Submitted by JOSELINA DE SOUZA CORREIA null (joselina.scorreia@gmail.com) on 2017-01-10T13:04:37Z No. of bitstreams: 1 Tese oficial _ Joselina de Souza Correia . 2017.pdf: 2214453 bytes, checksum: 2a09bae07d69c106a4dd8c34d57ecd39 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2017-01-12T13:56:01Z (GMT) No. of bitstreams: 1 correia_js_dr_bot.pdf: 2214453 bytes, checksum: 2a09bae07d69c106a4dd8c34d57ecd39 (MD5) / Made available in DSpace on 2017-01-12T13:56:01Z (GMT). No. of bitstreams: 1 correia_js_dr_bot.pdf: 2214453 bytes, checksum: 2a09bae07d69c106a4dd8c34d57ecd39 (MD5) Previous issue date: 2016-11-18 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Diante das situações de escassez hídrica que ocorrem no Semiárido Brasileiro, e do contínuo aumento populacional naquela região são procurados meios que otimizem o uso da água. O objetivo desse trabalho foi analisar e criar uma perspectiva, dentro das variações ocorridas nos padrões de uso e ocupação do solo, por meio de imagens de satélites e da infiltração de água no solo, para subsidiar o uso racional da área, da água no Perímetro de Irrigação Pontal Sul, em Pernambuco. Para isso, foi feito o uso de geotecnologias, para fornecer elementos subsidiando uma melhor gestão em larga escala. Duas imagens LANDSAT para os anos2000-2015, foram analisadas e classificadas por meio do programa ArcGis, para comparação dos diferentes tipos de uso do solo. As classes e subclasses foram definidas por processo não supervisionado, seguido por supervisionado, sendo o perímetro dividido em duas classes, área antropizada e área natural, e esses subdivididos em solo descoberto e agricultura irrigada, e em Caatinga densa e Caatinga raleada, respectivamente. As mesmas imagens foram analisadas pelo programa IDRISI, e seus resultados confrontados com os encontrados pelo ArcGis. Foram utilizados dados de 21 testes de infiltração, da água no solo determinados por meio da metodologia dos anéis concêntricos, de onde se obteve a velocidade de infiltração básica (VIB). Os dados encontrados foram ajustados por vários modelos, e o de Kostiakov e a função potência foram os mais qualificados para os tipos de solo do perímetro. Quanto ao uso da terra, a Caatinga densa está presente em 22,1% e 24,8%; a Caatinga rala representa 51,2% e 39,1%; e a classe solo está descoberto em 26,75% e 33,64% da área do perímetro, respectivamente em 2000 e 2015. A agricultura irrigada foi visível apenas no ano de 2015 com 2,45% da área. Quando comparados, os programas evidenciaram algumas similaridades, e relativa coerência no uso e transformação das classes do solo, sendo que o IDRISI atribuiu a algumas classes uma extensão superior ao determinado pelo ArcGis. Como divergência, o programa IDRISI registrou presença de água superficial no primeiro cenário e agricultura irrigada em ambos os anos. A VIB foi classificada como muito alta e aponta a região como arenosa sob as condições analisadas, o que dificulta sua retenção hídrica e favorece sua infiltração. Os cenários sinalizam regiões parcialmente similares como zonas potenciais, para expansão da agricultura irrigada, legitimando a eficiência dessas geotecnologias na gestão e perspectiva de uso do perímetro de irrigação. / In face of the water stress situations that occur in the Brazilian semi-arid, as well as the continued population growth in that region, the use of water resources should be maximized. Thus, the aim of this study was to analyze and create a perspective within the variations of land use patterns, through the image analysis and soil water infiltration, for guiding the use of irrigated area inside of the Pontal Sul Irrigation Scheme, state of Pernambuco, Brazil. For this, the use of geotechnology was made to provide elements for a better area management. Satellite images (2000-2015), provided by the INPE and Codevasf, were analyzed and classified by the ArcGIS software for investigation and comparison of land use. The classes and subclasses were defined by unsupervised process, followed by supervised one, and the irrigation scheme was divided into two classes, anthropic area and natural area, and these were subdivided into discovered and irrigated agriculture soil, and dense Caatinga and thinned Caatinga, respectively. The same images were analyzed by IDRISI software, and the results compared with those found by ArcGis. Data from 21 infiltration tests were used, determined by the methodology of concentric rings, where basic infiltration rate (BIR) was derived. The data were adjusted for several models, and the Kostiakov and the power function models were the most qualified to the irrigation scheme soils. Regarding the use of the land, dense Caatinga is present in 22.1% and 24.8%; the thinned Caatinga represents 51.2% and 39.1%; and the soil is uncovered in 26.75% and 33.64% of the irrigation scheme area, respectively in 2000 and 2015. Irrigated agriculture was visible only in the year 2015, in 2.45% of the area. Both software showed some similarities and consistency on the use and transformation of soil classes, and IDRISI assigned to a higher extent class determined by the ArcGis. As divergence IDRISI software recorded the presence of surface water in the first scenario and irrigated agriculture in both years. The BIR was classified as very high and indicated that soils as sandy under the conditions analyzed, which makes its water retention low and favors water infiltration. The scenarios indicate partially similar regions as potential areas for expansion of irrigated agriculture, legitimizing the efficiency of these geotechnology in management and in the perspective of the irrigation scheme use. / CNPq:161122/2012-4

O escopo desta dissertação é o desenvolvimento de uma metodologia para a detecção e diagnóstico de falhas em processos industriais baseado em modelos empíricos no subespaço das variáveis do processo com expansão não linear das bases. A detecção e o diagnóstico de falhas são fundamentais para aumentar a segurança, confiabilidade e lucratividade de processos industriais. Métodos qualitativos, quantitativos e baseados em dados históricos do processo têm sido estudados amplamente. Para demonstrar as vantagens da metodologia proposta, ela será comparada com duas metodologias consideradas padrão, uma baseada em Análise de Componentes Principais (PCA) e a outra baseada em Mínimos Quadrados Parciais (PLS). Dois estudos de casos são empregados nessa comparação. O primeiro consiste em um tanque de aquecimento com mistura e o segundo contempla o estudo de caso do processo da Tennessee Eastman. As vantagens da metodologia proposta consistem na redução da dimensionalidade dos dados a serem usados para um diagnóstico adequado, além de detectar efetivamente a anormalidade e identificar as variáveis mais relacionadas à falha, permitindo um melhor diagnóstico. Além disso, devido à expansão das bases dos modelos é possível trabalhar efetivamente com sistemas não lineares, através de funções polinomiais e exponenciais dentro do modelo. Adicionalmente o trabalho contém uma metodologia de validação dos resultados da metodologia proposta, que consiste na eliminação das variáveis do melhor modelo obtido pelos Modelos Empíricos, através do método Backward Elimination. A metodologia proposta forneceu bons resultados na área do diagnóstico de falhas: conseguiu-se uma grande diminuição da dimensionalidade nos sistemas estudados em até 93,55%, bem como uma correta detecção de anormalidades e permitiu a determinação das variáveis mais relacionadas às anormalidades do processo. As comparações feitas com as metodologias padrões permitiram demonstrar que a metodologia proposta tem resultados superiores, pois consegue detectar as anormalidades em um espaço dimensional reduzido, detectando comportamentos não lineares e diminuindo incertezas. / Fault detection and diagnosis are critical to increasing the safety, reliability, and profitability of industrial processes. Qualitative and quantitative methods and process historical data have been extensively studied. This article proposes a methodology for fault detection and diagnosis, based on historical data of processes and the creation of empirical models with the expansion of nonlinear bases (polynomial and exponential bases) and regularization techniques. To demonstrate the advantages of the proposed approach, it is compared with two standard methodologies: Principal Components Analysis (PCA) and the Partial Least Squares (PLS), performed in two case studies: a mixed heating tank and the Tennessee Eastman Process. The advantages of the proposed methodology are the reduction of the dimensionality of the data used, in addition to the effective detection of abnormalities, identifying the variables most related to the fault. Furthermore, the work contains a methodology to validate the diagnosis results consisting of variable elimination from the best empirical models with the Backward Elimination algorithm. The proposed methodology achieved a promising performance, since it can decrease the dimensionality of the studied systems up to 93.55%, reducing uncertainties, and capturing nonlinear behaviors.

Uma variedade de algoritmos de aprendizado semissupervisionado baseado em grafos e métodos de geração de grafos foram propostos pela comunidade científica nos últimos anos. Apesar de seu aparente sucesso empírico, a área de aprendizado semissupervisionado carece de um estudo empírico detalhado que avalie o impacto da geração de grafos na classificação semissupervisionada. Neste trabalho, é provido tal estudo empírico. Para tanto, combinam-se uma variedade de métodos de geração de grafos com uma variedade de algoritmos de aprendizado semissupervisionado baseado em grafos para compará-los empiricamente em seis bases de dados amplamente usadas na literatura de aprendizado semissupervisionado. Os algoritmos são avaliados em tarefas de classificação de dígitos, caracteres, texto, imagens e de distribuições gaussianas. A avaliação experimental proposta neste trabalho é subdividida em quatro partes: (1) análise de melhor caso; (2) avaliação da estabilidade dos classificadores semissupervisionados; (3) avaliação do impacto da geração de grafos na classificação semissupervisionada; (4) avaliação da influência dos parâmetros de regularização no desempenho de classificação dos classificadores semissupervisionados. Na análise de melhor caso, avaliam-se as melhores taxas de erro de cada algoritmo semissupervisionado combinado com os métodos de geração de grafos usando uma variedade de valores para o parâmetro de esparsificação, o qual está relacionado ao número de vizinhos de cada exemplo de treinamento. Na avaliação da estabilidade dos classificadores, avalia-se a estabilidade dos classificadores semissupervisionados combinados com os métodos de geração de grafos usando uma variedade de valores para o parâmetro de esparsificação. Para tanto, fixam-se os valores dos parâmetros de regularização (quando existirem) que geraram os melhores resultados na análise de melhor caso. Na avaliação do impacto da geração de grafos, avaliam-se os métodos de geração de grafos combinados com os algoritmos de aprendizado semissupervisionado usando uma variedade de valores para o parâmetro de esparsificação. Assim como na avaliação da estabilidade dos classificadores, para esta avaliação, fixam-se os valores dos parâmetros de regularização (quando existirem) que geraram os melhores resultados na análise de melhor caso. Na avaliação da influência dos parâmetros de regularização na classificação semissupervisionada, avaliam-se as superfícies de erro geradas pelos classificadores semissupervisionados em cada grafo e cada base de dados. Para tanto, fixam-se os grafos que geraram os melhores resultados na análise de melhor caso e variam-se os valores dos parâmetros de regularização. O intuito destes experimentos é avaliar o balanceamento entre desempenho de classificação e estabilidade dos algoritmos de aprendizado semissupervisionado baseado em grafos numa variedade de métodos de geração de grafos e valores de parâmetros (de esparsificação e de regularização, se houver). A partir dos resultados obtidos, pode-se concluir que o grafo k- vizinhos mais próximos mútuo (mutKNN) pode ser a melhor opção dentre os métodos de geração de grafos de adjacência, enquanto que o kernel RBF pode ser a melhor opção dentre os métodos de geração de matrizes ponderadas. Em adição, o grafo mutKNN tende a gerar superfícies de erro que são mais suaves que aquelas geradas pelos outros métodos de geração de grafos de adjacência. Entretanto, o grafo mutKNN é instável para valores relativamente pequenos de k. Os resultados obtidos neste trabalho indicam que o desempenho de classificação dos algoritmos semissupervisionados baseados em grafos é fortemente influenciado pela configuração de parâmetros. Poucos padrões evidentes foram encontrados para auxiliar o processo de seleção de parâmetros. As consequências dessa instabilidade são discutidas neste trabalho em termos de pesquisa e aplicações práticas / A variety of graph-based semi-supervised learning algorithms have been proposed by the research community in the last few years. Despite its apparent empirical success, the field of semi-supervised learning lacks a detailed empirical study that evaluates the influence of graph construction on semisupervised learning. In this work we provide such an empirical study. For such purpose, we combine a variety of graph construction methods with a variety of graph-based semi-supervised learning algorithms in order to empirically compare them in six benchmark data sets widely used in the semi-supervised learning literature. The algorithms are evaluated in tasks about digit, character, text, and image classification as well as classification of gaussian distributions. The experimental evaluation proposed in this work is subdivided into four parts: (1) best case analysis; (2) evaluation of classifiers stability; (3) evaluation of the influence of graph construction on semi-supervised learning; (4) evaluation of the influence of regularization parameters on the classification performance of semi-supervised learning algorithms. In the best case analysis, we evaluate the lowest error rates of each semi-supervised learning algorithm combined with the graph construction methods using a variety of sparsification parameter values. Such parameter is associated with the number of neighbors of each training example. In the evaluation of classifiers stability, we evaluate the stability of the semi-supervised learning algorithms combined with the graph construction methods using a variety of sparsification parameter values. For such purpose, we fixed the regularization parameter values (if any) with the values that achieved the best result in the best case analysis. In the evaluation of the influence of graph construction, we evaluate the graph construction methods combined with the semi-supervised learning algorithms using a variety of sparsification parameter values. In this analysis, as occurred in the evaluation of classifiers stability, we fixed the regularization parameter values (if any) with the values that achieved the best result in the best case analysis. In the evaluation of the influence of regularization parameters on the classification performance of semi-supervised learning algorithms, we evaluate the error surfaces generated by the semi-supervised classifiers in each graph and data set. For such purpose, we fixed the graphs that achieved the best results in the best case analysis and varied the regularization parameters values. The intention of our experiments is evaluating the trade-off between classification performance and stability of the graphbased semi-supervised learning algorithms in a variety of graph construction methods as well as parameter values (sparsification and regularization, if applicable). From the obtained results, we conclude that the mutual k-nearest neighbors (mutKNN) graph may be the best choice for adjacency graph construction while the RBF kernel may be the best choice for weighted matrix generation. In addition, mutKNN tends to generate error surfaces that are smoother than those generated by other adjacency graph construction methods. However, mutKNN is unstable for relatively small values of k. Our results indicate that the classification performance of the graph-based semi-supervised learning algorithms are heavily influenced by parameter setting. We found just a few evident patterns that could help parameter selection. The consequences of such instability are discussed in this work in research and practice

Orientador: Paulo Cardieri / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-26T02:54:38Z (GMT). No. of bitstreams: 1 Goes_AdrianoAlmeida_D.pdf: 4041752 bytes, checksum: 3aebfc7442e100b6011a6873be01c5f9 (MD5) Previous issue date: 2014 / Resumo: Resultados de campanhas de medição realizadas visando o desenvolvimento de uma fer-ramenta para o projeto, implantação e análise de sistemas de RFID são mostrados nesse traba-lho. Particularmente, a perda de percurso de rádio a partir de um leitor de RFID até um TAG, e de volta para o leitor é caracterizada na banda 915 MHz, para diferentes distâncias de separação leitor-TAG, alturas de TAG e de antena do leitor. Vários cenários de propagação foram considerados, incluindo ambientes exteriores e in-teriores, para os quais foi colhido um extenso número medidas. Os dados de campo são, então, comparados a uma versão melhorada do modelo clássico perda caminho 2-ray, ajustada para incluir também os padrões de radiação da antena não omnidirecionais no leitor. Além disso, foi investigado, por meio da análise de medidas de campo, o efeito da mobi-lidade do TAG no sinal recebido no leitor. Para a coleta das medidas, foi construído um aparato composto de uma esteira de velocidade controlada, onde foram instalados TAGs de teste. Os resultados de medida mostraram que a mobilidade do TAG provoca uma diminuição do valor médio e um aumento da variância do sinal recebido no leitor. Essa atenuação extra e a variância do sinal não são fortemente afetadas pelo valor da velocidade. Por fim, esses efeitos de propagação são incorporados em um modelo matemático, que pode ser utilizado para a simulação e planejamento de sistemas RFID / Abstract: Results of measurement campaigns carried out aiming at the development of a tool for design, deployment, and analysis of RFID systems are shown. Particularly, the radio path loss from an RFID reader towards the test TAG and back to the reader is characterized at the 915 MHz band. The path loss is estimated based on the received signal strength measured at the reader, for different reader¿TAG separation distances and different antenna TAG heights. Several propagation scenarios have been considered, including outdoor and indoor environments for which an extensive number of typical real manufacturing plants have been chosen. The field data are then compared to a proposed novel, improved version of the classical 2-ray path loss model, adjusted to include non-omnidirectional antenna radiation patterns at the reader. In addition, the effect of TAG mobility in the received signal at the reader was also investigated, by means of field measurements. To collect the field measurements, an apparatus was designed and constructed, consisting of a mat of controlled speed, on which test TAGs were installed. The results showed that TAG mobility decreases the average value increases the variance of the received signal at the reader. This extra attenuation and the increased variance of the signal are not strongly affected by the value of speed. Finally, these two effects are incorporated into a mathematical model that can be used for simulation and planning of RFID systems / Doutorado / Telecomunicações e Telemática / Doutor em Engenharia Elétrica

O escopo desta dissertação é o desenvolvimento de uma metodologia para a detecção e diagnóstico de falhas em processos industriais baseado em modelos empíricos no subespaço das variáveis do processo com expansão não linear das bases. A detecção e o diagnóstico de falhas são fundamentais para aumentar a segurança, confiabilidade e lucratividade de processos industriais. Métodos qualitativos, quantitativos e baseados em dados históricos do processo têm sido estudados amplamente. Para demonstrar as vantagens da metodologia proposta, ela será comparada com duas metodologias consideradas padrão, uma baseada em Análise de Componentes Principais (PCA) e a outra baseada em Mínimos Quadrados Parciais (PLS). Dois estudos de casos são empregados nessa comparação. O primeiro consiste em um tanque de aquecimento com mistura e o segundo contempla o estudo de caso do processo da Tennessee Eastman. As vantagens da metodologia proposta consistem na redução da dimensionalidade dos dados a serem usados para um diagnóstico adequado, além de detectar efetivamente a anormalidade e identificar as variáveis mais relacionadas à falha, permitindo um melhor diagnóstico. Além disso, devido à expansão das bases dos modelos é possível trabalhar efetivamente com sistemas não lineares, através de funções polinomiais e exponenciais dentro do modelo. Adicionalmente o trabalho contém uma metodologia de validação dos resultados da metodologia proposta, que consiste na eliminação das variáveis do melhor modelo obtido pelos Modelos Empíricos, através do método Backward Elimination. A metodologia proposta forneceu bons resultados na área do diagnóstico de falhas: conseguiu-se uma grande diminuição da dimensionalidade nos sistemas estudados em até 93,55%, bem como uma correta detecção de anormalidades e permitiu a determinação das variáveis mais relacionadas às anormalidades do processo. As comparações feitas com as metodologias padrões permitiram demonstrar que a metodologia proposta tem resultados superiores, pois consegue detectar as anormalidades em um espaço dimensional reduzido, detectando comportamentos não lineares e diminuindo incertezas. / Fault detection and diagnosis are critical to increasing the safety, reliability, and profitability of industrial processes. Qualitative and quantitative methods and process historical data have been extensively studied. This article proposes a methodology for fault detection and diagnosis, based on historical data of processes and the creation of empirical models with the expansion of nonlinear bases (polynomial and exponential bases) and regularization techniques. To demonstrate the advantages of the proposed approach, it is compared with two standard methodologies: Principal Components Analysis (PCA) and the Partial Least Squares (PLS), performed in two case studies: a mixed heating tank and the Tennessee Eastman Process. The advantages of the proposed methodology are the reduction of the dimensionality of the data used, in addition to the effective detection of abnormalities, identifying the variables most related to the fault. Furthermore, the work contains a methodology to validate the diagnosis results consisting of variable elimination from the best empirical models with the Backward Elimination algorithm. The proposed methodology achieved a promising performance, since it can decrease the dimensionality of the studied systems up to 93.55%, reducing uncertainties, and capturing nonlinear behaviors.