No description available.

No description available.

Most information retrieval (IR) systems respond to users' representation of their information needs (queries) with a ranked list of relevant results, usually text documents. XML documents di er from traditional text documents by explicitly separating structure and content. XML-IR systems aim to exploit this separation by searching and retrieving relevant components of documents (called elements) rather than entire documents thereby, better ful lling users' information needs. Despite the potential bene t of XML-IR systems, most research in this area has not been centered on the needs of users. In particular, current XML-IR query formation interfaces, namely keywords-only and formal language, are not able to optimally address the needs of users. Keywords-only interfaces are too unsophisticated to fully capture the users' complex information needs that contain both content and structural requirements. In contrast, while formal languages are able to capture users' content and structural requirements they are too di cult to use, even for experts, and are too closely tied to the physical structure of the collection. This thesis presents a solution to these problems by presenting NLPX, a natural language interface for XML-IR systems. NLPX allows users to enter XML-IR queries in natural language and translates them into a formal language (NEXI) to be processed by existing XML retrieval systems. When evaluated by system testing, NLPX outperformed alternative translation approaches. When tested in a user-based experiment, NLPX performed comparably to a query-by-template interface, the baseline user-oriented interface for formulating structured queries. It is hoped that the outcomes of this thesis will help to refocus the eld of XML-IR around the user. This will lead to the development of more useful XML-IR systems, which will hopefully result in the more widespread use of XML-IR systems.

Made available in DSpace on 2014-06-12T15:54:33Z (GMT). No. of bitstreams: 2 arquivo1977_1.pdf: 1819935 bytes, checksum: 4162d549c75996e549bcc53383212659 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Software Reuse has been considered a key concept to increase the quality and productivity of the software development by the reuse of existing artifacts, avoiding build new ones from scratch. However, In order to obtain effective benefits from the software reuse is necessary a set of complementary resources such as: education, active management support and the introduction of appropriate process and tools. In fact, resources that provide mechanism to ease the access of reusable components, such as search and retrieval tools, appear as potential instruments in favor of reuse programs adoption in the organizations. One of the challenges of the search and retrieval tools is how to make that existing components returned have a significant relevance. In this sense, the use of the faceted approach rises as a suitable alternative. This approach proposes the creation of a vocabulary supported by attributes, dividing the components into group of classes based on pre-defined keywords, increasing the level of precision and providing a more flexible classification. Thus, this work presents an extension of search and retrieval tool of reusable components, source code in particular, using the faceted classification approach. In addition, also was developed an auxiliary tool to aid the Domain expert to perform his activities using this approach. Finally, an experimental study evaluates the proposed solution

Orientadores: Ricardo da Silva Torres, Alexandre Xavier Falcão / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-09T10:11:00Z (GMT). No. of bitstreams: 1 Andalo_FernandaAlcantara_M.pdf: 6220080 bytes, checksum: 086c0a499d9980680f8936f60bf47b17 (MD5) Previous issue date: 2007 / Resumo: Recentemente o número de coleções de imagens disponíveis vem crescendo. Conseqüentemente, surge a demanda por sistemas de informação para armazenamento, indexação e busca destas imagens. Uma das principais soluções adotadas é a utilização de sistemas de recuperação de imagem por conteúdo que possuem a habilidade de, dada uma imagem de consulta, retornar as imagens mais similares em uma base de dados. Para viabilizar este tipo de consulta, é importante que o processo de caracterização do conteúdo seja automatizado, destacando-se, neste contexto, o uso de descritores de imagem baseados na cor, textura ou forma dos objetos contidos nas imagens. Neste trabalho, são propostos descritores de forma baseados em Tensor Scale. Tensor Scale é um parâmetro morfométrico que unifica a representação de orientação, espessura e anisotropia de estruturas locais na imagem, que pode ser utilizado em várias aplicações de visão computacional e processamento de imagem. Além dos descritores de forma baseados neste parâmetro morfométrico, este trabalho apresenta um estudo de algoritmos para cálculo do Tensor Scale. As principais contribuições deste trabalho são: (i) estudo de descritores de imagens baseados em cor e textura e, mais extensivamente, descritores baseados em forma; (ii) estudo de algoritmos para cálculo do Tensor Scale; (iii) proposta e implementação de detector de saliências de contorno baseado em Tensor Scale; (iv) proposta e implementação de novos descritores de forma baseados em Tensor Scale; e (v) validação dos descritores propostos quanto à sua utilização em sistemas de recuperação de imagens por conteúdo, por meio de experimentos comparativos com outros descritores de forma relevantes, recentemente propostos / Abstract: In the past few years, the number of image collections available has increased. In this scenery, there is a demand for information systems for storing, indexing, and retrieving these images. One of the main adopted solutions is to use content-based image retrieval systems (CBIR), that have the ability to, for a given query image, return the most similar images stored in the database. To answer this kind of query, it is important to have an automated process for content characterization and, for this purpose, the CBIR systems use image descriptors based on color, texture and shape of the objects within the images. In this work, we propose shape descriptors based on Tensor Scale. Tensor Scale is a morphometric parameter that unifies the representation of local structure thickness, orientation, and anisotropy, which can be used in several computer vision and image processing tasks. Besides the shape descriptors based on this morphometric parameter, we present a study of algorithms for Tensor Scale computation. The main contributions of this work are: (i) study of image descriptors based on color, texture and shape descriptors; (ii) study of algorithms for Tensor Scale computation; (iii) proposal and implementation of a contour salience detector based on Tensor Scale; (iv) proposal and implementation of new shape descriptors based on Tensor Scale; and (v) validation of the proposed descriptors with regard to their use in content-based image retrieval systems, comparing them, experimentally, to other relevant shape descriptors, recently proposed. / Mestrado / Processamento de Imagens / Mestre em Ciência da Computação

Lung cancer has become the most lethal malignancy in the world in recent decades. And despite advances in medicine, there has been little progress regarding the cure of the disease. According to the National Cancer Institute in the last global estimate of the incidence of lung cancer in 2012, there were 1.82 million cases of cancer, with 1.24 million among men and 583 thusand among women. The main cause of lung cancer is smoking that is responsible for 90 % of diagnosed cases. The diagnosis of lung cancer is done mainly based on CT images, and today it is considered the main visualization technique for detecting pulmonary nodules. However, the process of identifying and classi cation of nodules are complex and involves subjective and qualitative factors that lead experts to error. This scenario requires the use of computational techniques to e ectively manipulate the data and provide the means for more accurate diagnoses. Computer systems have been developed in order to search and retrieve imaging exams already diagnosed which are similar to a new case with unknown pathology according to the similarity between their characteristics. This property is intrinsic to Content-Based Image Retrieval (CBIR). Diagnosed exams retrieved can be used as a second opinion to guide those specialists in the diagnosis, providing more information. However, CBIR presents some limitations regarding to the process of segmentation and representation of image characteristics through of attributes, as well as determine an appropriate similarity metric. This paper presents a local update weighing algorithm applied to the Weighted Euclidean Distance (WED) in a CBIR architecture in order to verify if the WED with adjusted weights is more accurate than the Euclidean Distance in image retrieval of pulmonary nodules. For this, the 3D Texture Attributes (3D AT) and 3D Margin Sharpness Attributes (3D MSA) were used to represent nodules. Presente process consists of two phases that are performed sequentially and cyclically being an Assessment Phase and Training Phase. At each iteration the weights are adjusted according to the retrieved nodules. At the end of cycles execution, it is obtained a set of attribute weights that optimize the recovery of similar nodes. The results achieved by updating the weights were promising and increase precision by 10% to 6% on mean for recovery of benign and malignant nodules respectively with recall 25%. In the best case, the 3D MSA provided 100% of precision for the two classes with recall 90%. This proves the e ectiveness of the algorithm achieving the goals to this work and con rms the hypothesis that the DEP, with adjusted weights, provides greater precision than DE as a similarity metric in CBIR systems. / Fundação de Amparo a Pesquisa do Estado de Alagoas / O câncer de pulmão se tornou a neoplasia maligna mais letal do mundo nas últimas décadas. E, apesar dos avanços na medicina, houve pouco progresso com relação à cura da doença. Segundo o INCA, na última estimativa mundial sobre a incidência de câncer pulmonar, em 2012, foram registrados 1,82 milhão de casos de câncer, sendo 1,24 milhão entre os homens e 583 mil entre as mulheres. O principal causador do câncer pulmonar é o tabagismo sendo responsável por 90% dos casos diagnosticados. O diagnóstico do câncer pulmonar é feito, principalmente, com base em imagens de TC e, hoje, é considerada a principal técnica de visualização para detecção de nódulos pulmonares. Entretanto, o processo de identi cação e classi cação de nódulos é complexo e envolve fatores subjetivos e qualitativos que acabam induzindo os especialistas ao erro. Este panorama exige o emprego de técnicas computacionais que permitam efetivamente manipular os dados e proporcionar meios para diagnósticos mais precisos. Sistemas computacionais têm sido desenvolvidos com o objetivo de buscar e recuperar imagens de exames já diagnosticados, que são similares a um novo caso com patologia ainda desconhecida segundo a similaridade entre as suas características. Essa propriedade é intrínseca aos sistemas CBIR. Os exames diagnosticados recuperados podem ser utilizados como uma segunda opinião para guiar os especialistas no momento do diagnóstico, fornecendo informações adicionais. Contudo, CBIR apresenta algumas limitações referentes ao processo de extração e representação de características das imagens, por meio de atributos, e a determinação de uma métrica de similaridade adequada. Este trabalho apresenta um algoritmo de ajuste local de pesos aplicado à DEP em uma arquitetura CBIR com o objetivo de veri car se a DEP com os pesos ajustados é mais precisa do que a DE na recuperação de imagens contendo nódulos de câncer pulmonar. Para isso, foram utilizados os AT 3D e os ANB 3D para representar os nódulos. O processo apresentado é composto por duas fases que são executadas de forma sequencial e cíclica sendo uma Fase de Avaliação e uma de Fase de Treinamento. A cada iteração os pesos são ajustados segundo os nódulos recuperados. Ao término do ciclo de execuções das fases, obtém-se um conjunto de pesos de atributos que otimizam a recuperação de nódulos semelhantes. Os resultados alcançados pela atualização dos pesos foram promissores aumentando a precisão em 10% e 6% em média para recuperação de nódulos benignos e malignos, respectivamente, com revocação de 25%. No melhor caso, o ANB 3D proporcionou 100% para recuperação das duas classes com revocação de 90%. Isso comprova a e cácia do algoritmo alcançando os objetivos almejados para o trabalho e con rmando a hipótese de que a DEP com os pesos ajustados proporciona maior precisão do que DE como métrica de similaridade em sistemas CBIR.

Orientadores: Luis Geraldo Pedroso Meloni, Alexandre Xavier Falcão / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-13T16:06:34Z (GMT). No. of bitstreams: 1 Rocha_LeonardoMarques_D.pdf: 3683332 bytes, checksum: 9da505372338e138fda4305de6049166 (MD5) Previous issue date: 2008 / Resumo: Esta tese propõe uma nova abordagem para agrupamento de dados baseada em floresta de caminhos ótimos. As amostras são tomadas como nós de um grafo, cujos arcos são definidos pela sua relação de adjacência. Os nós são ponderados pela seus valores de densidade de probabilidade (PDF) e uma função de conexidade que é maximizada, de forma que cada máximo na PDF torna-se uma raiz de uma árvore de caminhos ótimos (grupo), composto por amostras "mais fortemente conexas" àquele máximo que a qualquer outra raiz. Máximos irrelevantes (domos) são removidos por reconstrução morfológica da PDF. Uma discussão mostra as vantagens sobre abordagens baseadas no gradiente da PDF e suas relações com a transformada watershed. O método é estendido para grande bases de dados e comparado com as abordagens de mean-shift e watershed para agrupamento de pixels e segmentação interativa, respectivamente. Os experimentos para segmentação de imagens naturais e classificação de substâncias branca e cinza do cérebro mostram resultados rápidos e precisos comparados com métodos no estado-da-arte. / Abstract: This thesis proposes a novel approach for data clustering based on optimum-path forest. The samples are taken as nodes of a graph, whose arcs are defined by an adjacency relation. The nodes are weighted by their probability density values (pdf) and a connectivity function is maximized, such that each maximum of the pdf becomes root of an optimum-path tree (cluster), composed by samples "more strongly connected" to that maximum than to any other root. Irrelevant maxima (domes) are removed by morphological reconstruction of the pdf. A discussion shows the advantages over aproaches based on the gradient of the pdf and its relations with the watershed transform. The method is extended for large datasets and compared to mean-shift and watershed approaches for pixel clustering and interactive segmentation, respectively. The experiments for the segmentation of natural images and automatic gray and white matter classification of the brain show fast and accurate results compared to state-of-the-art methods. / Doutorado / Telecomunicações e Telemática / Doutor em Engenharia Elétrica

Orientadores: Neucimar Jeronimo Leite, Ricardo da Silva Torres / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-11T13:50:45Z (GMT). No. of bitstreams: 1 MontoyaZegarra_JavierAlexandre_M.pdf: 8116822 bytes, checksum: 20c3ccd74b0a3060683796bd65cd766f (MD5) Previous issue date: 2007 / Resumo: Uma importante característica de baixo nível, utilizada tanto na percepção humana como no reconhecimento de padrões, é a textura. De fato, o estudo de textura tem encontrado diversas aplicações abrangendo desde segmentação de textura até síntese, classificação e recuperação de imagens por conteúdo.Apesar das múltiplas técnicas eficientes e eficazes propostas para classificação e recuperação, ainda há alguns desafios que precisam ser superados como, por exemplo, a necessidade de descritores de imagens compactos e robustos a serem empregados na consulta e classificação de bases de imagens de textura. Esta dissertação propõe um descritor de imagens de textura visando à busca e à recuperação de bases de dados de imagens. Este descritor baseia-se na Decomposição Piramidal Steerable caracterizada por sua análise de forma invariante à rotação ou à escala. Resultados preliminares conduzidos em cenários não-controlados demonstraram caráter promissor da abordagem. No que diz respeito à classificação de imagens de textura, esta dissertação propõe ao mesmo tempo um sistema de reconhecimento, o qual possui como principais características representações compactas de imagens e módulos de reconhecimento eficientes. O descritor proposto é utilizado para codificar a informação relevante de textura em vetores de características pequenos. Para tratar os requisitos de eficiência do reconhecimento, uma abordagem multi-classe baseada no classificador de Floresta de Caminhos Ótimos é utilizada. Experimentos foram condl!zidos visando avaliar o sistema proposto frente a outros métodos de classificação. Resultados experimentais demonstram a superioridade do sistema proposto / Abstract: An important low-level image feature used in human perception as well as in recognition is texture. 1n fact, the study of texture has found several applications ranging from texture segmentation to texture synthesis, classification, and image retrieval. Although many efficient and effective techniques have been proposed for texture classification and retrieval, there are still some challenges to overcome. More specifically, there is a need for a compact and robust image descriptor to query and classify texture image databases. 1n order to search and query image databases, this dissertation provides a texture image descriptor, which is based on a modification of the Steerable Pyramid Decomposition, and is also characterized by its capabilities for representing texture images in either rotation-invariant or scale-invariant manners. Preliminary results conducted in non-controlled scenarios have demonstrated the promising properties of the approach. 1n order to classify texture im.ages, this dissertation also provides a new recognition system, which presents as main features, compact image representations and efficient recognition tasks. The proposed image descriptor is used to encode the relevant texture information in small size feature vectors. To address the efficiency recognition requirements, a novel multi-class object recognition method based on the Optimum Path Forest classifier is used. To evaluate our proposed system against different methods, several experiments were conducted. The results demonstrate the superiority of the proposed system / Mestrado / Ciência da Computação / Mestre em Ciência da Computação

The purpose of this research is to investigate the influences that Information Retrieval Systems such as online Search Engines and Databases have on designers' early searching strategies. The study involves the observation of designers transforming early design language into query 'keyword' language for the operation of Information Retrieval Systems and how this transition causes a shift in early design exploration. This transformation is referred to in this research as the CLASS activity; Converting Language from Abstract Searching to Specific. Findings show a common pattern across the activity of both professional and advanced student designers. Information Retrieval Systems are seen to drive the searching process into specific, explored domains rather than stimulate an 'abstract' broad investigation. The IR systems are built upon categories that are created to manage the information content. It is these categories that require a person to use defined keywords and query sentences to operate the Information Retrieval Systems. The findings suggest that using Information Retrieval Systems prior to defining the scope of a design problem causes designers to prematurely focus on specific searching.

Esta pesquisa tem como objetivo principal propor uma metodologia que agilize a construção de uma ferramenta no campo da Documentação. Trata-se da geração de uma base de dados terminológica com sustentação na terminologia utilizada pelo especialista em sua área de domínio. Ela se apóia nos pressupostos teóricos da Teoria da Enunciação, da Teoria Comunicativa da Terminologia e da Socioterminologia. Com esse referencial acredita-se ser possível assegurar a efetiva comunicação entre os Sistemas de Recuperação de Informação e os usuários, sendo o bibliotecário o mediador do processo comunicativo que tem origem no autor do texto indexado. Buscou-se o suporte da Terminografia e da Lingüística de Corpus pela possibilidade de coletar, tratar e armazenar um grande volume de informações de uma determinada área do saber. / The main objective of this study is to propose a methodology by which the implementation of a tool in the field of Documentation can be optimized. It deals with a terminological database built on the terminology used by the specialist in his area. Its is backed by the underlying assumptions of the Theory of Enunciation, of the Communicative Theory of Terminology and of the Socioterminology. It is believed that, in this theoretical framework, it is possible to ensure effective communication between the Information Retrieval Systems and users, being the librarian the mediator of communicative process originated in the author of the indexed text. The research draws from resources of Terminography and Corpus Linguistics in order to operationalize the process of collecting, managing and storing a huge amount of information of a given knowledge field.