Made available in DSpace on 2014-12-17T14:55:12Z (GMT). No. of bitstreams: 1 AdrianaT_TESE.pdf: 618602 bytes, checksum: 8ea994949daea03408599ce92036681a (MD5) Previous issue date: 2012-09-26 / The Support Vector Machines (SVM) has attracted increasing attention in machine learning area, particularly on classification and patterns recognition. However, in some cases it is not easy to determinate accurately the class which given pattern belongs. This thesis involves the construction of a intervalar pattern classifier using SVM in association with intervalar theory, in order to model the separation of a pattern set between distinct classes with precision, aiming to obtain an optimized separation capable to treat imprecisions contained in the initial data and generated during the computational processing. The SVM is a linear machine. In order to allow it to solve real-world problems (usually nonlinear problems), it is necessary to treat the pattern set, know as input set, transforming from nonlinear nature to linear problem. The kernel machines are responsible to do this mapping. To create the intervalar extension of SVM, both for linear and nonlinear problems, it was necessary define intervalar kernel and the Mercer s theorem (which caracterize a kernel function) to intervalar function / As m?quinas de vetores suporte (SVM - Support Vector Machines) t?m atra?do muita aten??o na ?rea de aprendizagem de m?quinas, em especial em classifica??o e reconhecimento de padr?es, por?m, em alguns casos nem sempre ? f?cil classificar com precis?o determinados padr?es entre classes distintas. Este trabalho envolve a constru??o de um classificador de padr?es intervalar, utilizando a SVM associada com a teoria intervalar, de modo a modelar com uma precis?o controlada a separa??o entre classes distintas de um conjunto de padr?es, com o objetivo de obter uma separa??o otimizada tratando de imprecis?es contidas nas informa??es do conjunto de padr?es, sejam nos dados iniciais ou erros computacionais. A SVM ? uma m?quina linear, e para que ela possa resolver problemas do mundo real, geralmente problemas n?o lineares, ? necess?rio tratar o conjunto de padr?es, mais conhecido como conjunto de entrada, de natureza n?o linear para um problema linear, as m?quinas kernels s?o respons?veis por esse mapeamento. Para a extens?o intervalar da SVM, tanto para problemas lineares quanto n?o lineares, este trabalho introduz a defini??o de kernel intervalar, bem como estabelece o teorema que valida uma fun??o ser um kernel, o teorema de Mercer para fun??es intervalares

Made available in DSpace on 2014-12-17T14:56:07Z (GMT). No. of bitstreams: 1 NaiyanHCL_DISSERT.pdf: 1452285 bytes, checksum: 018fb1e8fa51e8f7094cce68a18c6c73 (MD5) Previous issue date: 2012-08-13 / Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern classification problems. It is well documented in the literature the problems that support vector machine ensembles face in terms of generalization capacity. Algorithms such as Adaboost do not deal appropriately with the imbalances that arise in those situations. Several alternatives have been proposed, with varying degrees of success. This dissertation presents a new approach to building committees of support vector machines. The presented algorithm combines Adaboost algorithm with a layer of reinforcement learning to adjust committee parameters in order to avoid that imbalances on the committee components affect the generalization performance of the final hypothesis. Comparisons were made with ensembles using and not using the reinforcement learning layer, testing benchmark data sets widely known in area of pattern classification / A aprendizagem por refor?o ? uma t?cnica de aprendizado de m?quina que, embora j? tenha encontrado uma grande quantidade de aplica??es, talvez ainda n?o tenha alcan?ado seu pleno potencial. Uma das possibilidades que n?o foi devidamente testada at? hoje foi a utiliza??o da aprendizagem por refor?o em conjunto com outros m?todos para a solu??o de problemas de classifica??o de padr?es. ? bem documentada na literatura a problem?tica que ensembles de m?quinas de vetor de suporte encontram em termos de capacidade de generaliza??o. Algoritmos como Adaboost n?o lidam apropriadamente com os desequil?brios que podem surgir nessas situa??es. V?rias alternativas j? foram propostas, com margens variadas de sucesso. Esta disserta??o apresenta uma nova abordagem para a constru??o de comit?s de m?quinas de vetor de suporte. O algoritmo apresentado combina o algoritmo Adaboost com uma camada de aprendizagem por refor?o, para ajustar par?metros do comit? evitando que desequil?brios nos classificadores componentes do comit? prejudiquem o desempenho de generaliza??o da hip?tese final. Foram efetuadas compara??es de comit?s com e sem essa camada adicional de aprendizagem por refor?o, testando conjuntos de dados benchmarks amplamente conhecidos na ?rea de classifica??o de padr?es

Made available in DSpace on 2014-12-17T14:56:13Z (GMT). No. of bitstreams: 1 CarlosAAP_DISSERT.pdf: 1150903 bytes, checksum: a90e625336bbabe7e96da74cb85ee7aa (MD5) Previous issue date: 2013-01-31 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / The pattern classification is one of the machine learning subareas that has the most outstanding. Among the various approaches to solve pattern classification problems, the Support Vector Machines (SVM) receive great emphasis, due to its ease of use and good generalization performance. The Least Squares formulation of SVM (LS-SVM) finds the solution by solving a set of linear equations instead of quadratic programming implemented in SVM. The LS-SVMs provide some free parameters that have to be correctly chosen to achieve satisfactory results in a given task. Despite the LS-SVMs having high performance, lots of tools have been developed to improve them, mainly the development of new classifying methods and the employment of ensembles, in other words, a combination of several classifiers. In this work, our proposal is to use an ensemble and a Genetic Algorithm (GA), search algorithm based on the evolution of species, to enhance the LSSVM classification. In the construction of this ensemble, we use a random selection of attributes of the original problem, which it splits the original problem into smaller ones where each classifier will act. So, we apply a genetic algorithm to find effective values of the LS-SVM parameters and also to find a weight vector, measuring the importance of each machine in the final classification. Finally, the final classification is obtained by a linear combination of the decision values of the LS-SVMs with the weight vector. We used several classification problems, taken as benchmarks to evaluate the performance of the algorithm and compared the results with other classifiers / A classifica??o de padr?es ? uma das sub?reas do aprendizado de m?quina que possui maior destaque. Entre as v?rias t?cnicas para resolver problemas de classifica??o de padr?es, as M?quinas de Vetor de Suporte (do ingl?s, Support Vector Machines ou SVM) recebem grande ?nfase, devido a sua facilidade de uso e boa capacidade de generaliza??o. A formula??o por M?nimos Quadrados da SVM (do ingl?s, Least Squares Support Vector Machines ou LS-SVM) encontra um hiperplano de separa??o ?tima atrav?s da solu??o de um sistema de equa??es lineares, evitando assim o uso da programa??o quadr?tica implementada na SVM. As LS-SVMs fornecem alguns par?metros livres que precisam ser corretamente selecionados para alcan?ar resultados satisfat?rios em uma determinada tarefa. Apesar das LS-SVMs possuir elevado desempenho, v?rias ferramentas tem sido desenvolvidas para aprimor?-la, principalmente o desenvolvimento de novos m?todos de classifica??o e a utiliza??o de comit?s de m?quinas, ou seja, a combina??o de v?rios classificadores. Neste trabalho, n?s propomos tanto o uso de um comit? de m?quinas quanto o uso de um Algoritmo Gen?tico (AG), algoritmo de busca baseada na evolu??o das esp?cies, para aprimorar o poder de classifica??o da LS-SVM. Na constru??o desse comit?, utilizamos uma sele??o aleat?ria de atributos do problema original, que divide o problema original em outros menores onde cada classificador do comit? vai atuar. Ent?o, aplicamos o AG para encontrar valores efetivos para os par?metros de cada LS-SVM e tamb?m encontrando um vetor de pesos, medindo a import?ncia de cada m?quina na classifica??o final. Por fim, a classifica??o final ? dada por uma combina??o linear das respostas de cada m?quina ponderadas pelos pesos. Foram utilizados v?rios problemas de classifica??o, tidos como benchmarks, para avaliar o desempenho do algoritmo e comparamos os resultados obtidos com outros classificadores

Made available in DSpace on 2015-04-14T14:49:03Z (GMT). No. of bitstreams: 1 407650.pdf: 1702520 bytes, checksum: c900c9b4c3134193aa3ab89db164218f (MD5) Previous issue date: 2008-03-23 / Pesquisas utilizando virtualiza??o de hardware v?m sendo feitas em diversas ?reas dentro da Ci?ncia da Computa??o. A cria??o de ambientes virtuais com essa tecnologia pode ser implementada utilizando-se poucos recursos computacionais. Por?m, a falta de ferramentas de configura??o dificulta a cria??o de ambientes de larga escala. Recursos de rede, por exemplo, precisam ser gerenciados e configurados para atender ?s especifica??es do ambiente virtual que se deseja criar. Na inten??o de facilitar esta ger?ncia e reduzir os erros na configura??o do ambiente virtual, apresentamos neste trabalho uma arquitetura de ger?ncia de rede de m?quinas virtuais. Dentre suas fun??es encontram-se quest?es como configura??o de isolamento de rede e controle de vaz?o e lat?ncia. Na valida??o, aspectos de rede de um ambiente de emula??o de sistemas distribu?dos s?o configurados e uma aplica??o ? executada nesse ambiente na inten??o de avaliar esses aspectos de comunica??o

Made available in DSpace on 2015-04-14T14:49:05Z (GMT). No. of bitstreams: 1 412052.pdf: 2710960 bytes, checksum: 3a4a797f7364a564f81a7cff382241eb (MD5) Previous issue date: 2009-01-08 / A constante evolu??o das tecnologias computacionais tem possibilitado um aumento no poder de processamento dos computadores, sendo que em determinadas situa??es esse poder computacional n?o ? plenamente utilizado. Para utilizar efetivamente a capacidade de processamento dos computadores, cada vez mais as empresas de processamento de dados (data center) se utilizam da virtualiza??o. A virtualiza??o ? uma t?cnica que permite a execu??o de diversos Sistemas Operacionais em um ?nico equipamento. Desta forma, com o uso da virtualiza??o um ?nico servidor f?sico pode manter diversos Sistemas Operacionais, com diferentes aplica??es sendo executadas simultaneamente. Quando essas aplica??es s?o portadas para um ambiente virtualizado, devem ter seus n?veis de recursos constantemente monitorados e ajustados para se evitar situa??es de degrada??o da qualidade do servi?o ou prover uma melhor utiliza??o do hardware. Nestas situa??es ? importante implementar um Service Level Agreement (SLA) que controle a qualidade do servi?o entregue por estas aplica??es. Entretanto, os Monitores de M?quinas Virtuais, como por exemplo, o Xen, n?o possuem a funcionalidade de se realocar recursos com base nas regras definidas nos SLAs. Com o objetivo de superar esta limita??o, este trabalho prop?e a realoca??o din?mica de recursos em ambientes virtualizados a partir de requisitos derivados de SLAs. A realoca??o de recursos, busca tamb?m atender a demanda por recursos, por exemplo, em uma m?quina virtual (VM) que tenham recebido uma carga de trabalho maior do que a prevista no SLA, atrav?s da realoca??o de recursos (processador e mem?ria) que n?o estejam sendo utilizados pelas demais VMs.

Made available in DSpace on 2015-04-14T14:49:21Z (GMT). No. of bitstreams: 1 422781.pdf: 5148878 bytes, checksum: d7b0826fe17c2d5b479517821f279c99 (MD5) Previous issue date: 2010-03-05 / Sistemas distribu?dos s?o compostos de elementos computacionais geograficamente distribu?dos que pertencem a m?ltiplos dom?nios administrativos controlados por m?ltiplas entidades. Estas caracter?sticas dificultam testes e avalia??es nesta plataforma, porque dificilmente testadores/avaliadores de sistemas ou pol?ticas adquirem repetidamente os mesmo recursos pela mesmo per?odo de tempo sob as mesmas condi??es de rede, o que s?o requisitos fundamentais para testes reproduz?veis e controlados do software em desenvolvimento. Uma alternativa a experimentos em plataformas reais ? emula??o, onde o modelo de um sistema executa o software real sob teste. A tecnologia de virtualiza??o possibilita o desenvolvimento de emuladores eficientes porque ela oferece meios para multiplexa??o e isolamento de recursos. Apesar da virtualiza??o facilitar o desenvolvimento de emuladores, pouco esfor?o tem sido feito para isolar testadores/avaliadores de sistemas ou pol?ticas da opera??o das ferramentas e do ambiente virtualizado. Esta tese apresenta o Automated Emulation Framework (AEF), que aplica tecnologias de virtualiza??o e ger?ncia de sistemas em um cluster de esta??es de trabalho a fim de oferecer uma ferramenta automatizada para emula??o de sistemas distribu?dos. Tr?s atividades principais s?o realizadas pelo AEF: primeiro, ele realiza o mapeamento das m?quinas virtuais que representam n?s do ambiente distribu?do emulado para n?s do cluster e dos links entre m?quinas virtuais para caminhos na rede f?sica; segundo, ele realiza a instala??o e configura??o autom?tica das m?quinas virtuais no cluster e rede virtual na rede do cluster; terceiro, ele realiza configura??o e disparo autom?tico de experimentos no sistema emulado, monitora??o e controle do ambiente e aplica??es, e reconfigura??o do sistema em caso de viola??es nas demandas do testador/avaliador de sistemas ou pol?ticas. Em rela??o ? primeira atividade, o problema de mapeamento ? definido formalmente e quatro her?sticas para solu??o do problema s?o desenvolvidas e avaliadas com o uso de simula??o de eventos discretos. Em rela??o ?s duas ?ltimas atividades, a arquitetura do AEF ? descrita em detalhes. Al?m do mais, um prot?tipo do AEF ? desenvolvido e avaliado atrav?s da realiza??o de experimentos no contexto de grades computacionais. Experimentos mostram que a arquitetura ? realiz?vel e que AEF pode ser uma ferramenta valiosa para experimenta??o repetida e control?vel de sistemas distribu?dos.

Made available in DSpace on 2015-04-14T14:49:22Z (GMT). No. of bitstreams: 1 423220.pdf: 1981551 bytes, checksum: ecb6d77c378c9eebe9064368d306c500 (MD5) Previous issue date: 2009-01-27 / A virtualiza??o de ambientes computacionais tem cada vez mais atra?do a aten??o dos meios acad?mico e corporativo. Em virtude de sua utiliza??o estar cada vez mais presente nesses meios, formas de gerenciar a complexidade que ambientes virtualizados apresentam tornam-se de grande import?ncia, pois permitem controlar eventos no ambiente. Embora atividades de ger?ncia sejam importantes, n?o h? um padr?o que auxilie neste processo de controle e monitora??o de ambientes que se utilizam da tecnologia de virtualiza??o. Uma forma de preencher esta lacuna ? buscar, em outras ?reas da computa??o, conceitos que d?em base e que auxiliem no processo de concep??o de atividades gerenciais. Deste modo, ? poss?vel utilizar conceitos aplicados em diferentes ?reas da computa??o para gerenciar ambientes virtualizados, conhecidos como ?reas funcionais da ger?ncia. Sendo assim, o presente trabalho consiste na concep??o de uma arquitetura para gerenciar ambientes virtualizados, tendo como base as recomenda??es das ?reas funcionais da ger?ncia adaptadas para a realidade de virtualiza??o.

Made available in DSpace on 2015-04-14T14:52:04Z (GMT). No. of bitstreams: 1 416046.pdf: 652388 bytes, checksum: e0820019ded283b806ccbb846a0d71a5 (MD5) Previous issue date: 2009-06-17 / A vantagem competitiva de uma empresa pode ser obtida de diversas formas, as quais podem ser a partir de ativos fabris, canais de distribui??o e inova??es tecnol?gicas em seus produtos. Tendo em vista a paridade tecnol?gica de ativos f?sicos, a diferencia??o entre as empresas passa a ser por meio de suas marcas, bem como pelas emo??es relacionadas a elas. Aliado a isto, observa-se a necessidade de aprofundar o estudo da marca e das emo??es presentes no contexto business-to-business (B2B). Dessa forma, essa disserta??o procurou analisar, atrav?s de um estudo explorat?rio de car?ter qualitativo, as emo??es manifestadas em rela??o ? marca por consumidores de m?quinas agr?colas. Para tanto, a partir da revis?o de literatura acerca da marca no contexto B2B e dos estudos relacionados ?s emo??es no comportamento do consumidor, foi elaborado e aplicado um instrumento de coleta de dados atrav?s da t?cnica de laddering, para abordagem direta, e da t?cnica projetiva expressiva da terceira pessoa, como abordagem indireta. A Escala Consumption Emotions Set (CES), de Richins (1997) e validada por Lobato (2002) no Brasil, foi utilizada para conhecer as emo??es positivas e negativas que relacionam com a marca. A partir da metodologia de an?lise de conte?do foi poss?vel identificar que emo??es como insatisfa??o, encantamento, amor, preocupa??o, alegria, empolga??o, tranq?ilidade e satisfa??o s?o manifestadas pela marca. Com base nos resultados obtidos, observa-se que os consumidores de m?quinas agr?colas procuram justificar racionalmente suas manifesta??es frente ? marca, caracter?stica identificada por Lynch e de Chernatony (2007) junto a consumidores B2B. Ao mesmo tempo, sugere-se que a confian?a e assist?ncia t?cnica foram associadas ?s marcas do segmento estudado. Por fim, s?o apresentadas as implica??es gerenciais e acad?micas e limita??es do estudo, bem como recomenda??es de estudos futuros.

Made available in DSpace on 2014-12-17T14:54:51Z (GMT). No. of bitstreams: 1 AdrianoAB.pdf: 2240966 bytes, checksum: d9e93de6b9ef6f0023ed591b4d760ff9 (MD5) Previous issue date: 2008-12-02 / The automatic speech recognition by machine has been the target of researchers in the past five decades. In this period have been numerous advances, such as in the field of recognition of isolated words (commands), which has very high rates of recognition, currently. However, we are still far from developing a system that could have a performance similar to the human being (automatic continuous speech recognition). One of the great challenges of searches for continuous speech recognition is the large amount of pattern. The modern languages such as English, French, Spanish and Portuguese have approximately 500,000 words or patterns to be identified. The purpose of this study is to use smaller units than the word such as phonemes, syllables and difones units as the basis for the speech recognition, aiming to recognize any words without necessarily using them. The main goal is to reduce the restriction imposed by the excessive amount of patterns. In order to validate this proposal, the system was tested in the isolated word recognition in dependent-case. The phonemes characteristics of the Brazil s Portuguese language were used to developed the hierarchy decision system. These decisions are made through the use of neural networks SVM (Support Vector Machines). The main speech features used were obtained from the Wavelet Packet Transform. The descriptors MFCC (Mel-Frequency Cepstral Coefficient) are also used in this work. It was concluded that the method proposed in this work, showed good results in the steps of recognition of vowels, consonants (syllables) and words when compared with other existing methods in literature / O reconhecimento autom?tico da voz por m?quinas inteligentes tem sido a meta de muitos pesquisadores nas ?ltimas cinco d?cadas. Neste per?odo, in?meros avan?os foram alcan?ados, como por exemplo no campo de reconhecimento de palavras isoladas (comandos), o qual atualmente apresenta taxas de reconhecimento muito altas. No entanto, ainda se est? longe de desenvolver um sistema que possa ter um desempenho parecido com o ser humano, ou seja, reconhecimento autom?tico de voz em modo cont?nuo. Um dos grandes desafios das pesquisas de reconhecimento de voz cont?nuo ? a grande quantidade de padr?es existentes, pois as linguagens modernas tais como: Ingl?s, Franc?s, Espanhol e Portugu?s possuem aproximadamente 500.000 palavras ou padr?es a serem identificados. A proposta deste trabalho ? utilizar unidades menores do que a palavra tais como: fonemas, difones e s?labas como unidades base para o reconhecimento da voz, visando o reconhecimento quaisquer palavras sem necessariamente utiliz?-las. O objetivo principal deste trabalho ? reduzir a restri??o imposta pela quantidade excessiva de padr?es existentes, ou seja, a quantidade excessiva de palavras. Com o objetivo de validar esta proposta, o sistema foi desenvolvido e testado para o reconhecimento de palavras isoladas no modo dependente do locutor. O sistema apresentado neste trabalho foi desenvolvido com uma l?gica de reconhecimento hier?rquica baseada nas caracter?sticas de produ??o dos fonemas da l?ngua Portuguesa do Brasil. Estas decis?es s?o feitas atrav?s da utiliza??o de redes neurais do tipo M?quinas de Vetor de Suporte agrupadas na forma de M?quinas de C?mite. Os principais descritores do sinal de voz utilizados, foram obtidos atrav?s da Transformada Wavelet Packet. Os descritores MFCC (Mel-Frequency Cepstral Coefficient) tamb?m s?o utilizados neste trabalho. Pode-se concluir que o m?todo proposto apresentou bons resultados nas etapas de reconhecimento de vogais, consoantes (s?labas) e palavras se comparado com outros m?todos existentes na literatura

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-01-04T13:19:42Z No. of bitstreams: 1 LeandroAntonioPasa_TESE.pdf: 2290404 bytes, checksum: 02409d9ddb38171fd363b99f26390d89 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-01-05T18:51:41Z (GMT) No. of bitstreams: 1 LeandroAntonioPasa_TESE.pdf: 2290404 bytes, checksum: 02409d9ddb38171fd363b99f26390d89 (MD5) / Made available in DSpace on 2017-01-05T18:51:41Z (GMT). No. of bitstreams: 1 LeandroAntonioPasa_TESE.pdf: 2290404 bytes, checksum: 02409d9ddb38171fd363b99f26390d89 (MD5) Previous issue date: 2016-02-19 / A quantidade de informa??es coletadas e armazenadas cresce a cada dia nas mais diversas ?reas do conhecimento e t?cnicas de minera??o de dados s?o aplicadas a estes conjuntos de dados com o objetivo de extrair conhecimento ?til. A utiliza??o de um ou outro algoritmo, ou o mesmo algoritmo com diferentes atributos pode levar a diferentes resultados, devido ? diversidade dos conjuntos de dados. Na busca por solu??es eficientes para este problema, foram desenvolvidos m?todos de comit?s de m?quinas. Um comit? de m?quinas ? um conjunto de redes neurais trabalhando independentemente cujos resultados s?o combinados em uma ?nica sa?da, alcan?ando uma melhor generaliza??o do que cada uma das redes trabalhando separadamente. A proposta deste trabalho ? desenvolver um novo m?todo para comit?s de mapas de Kohonen, em que a combina??o (fus?o) dos mapas seja ponderada por ?ndices de valida??o de agrupamentos, que seja v?lido para combina??o de mapas de tamanhos iguais e mapas de tamanhos diferentes. O algoritmo proposto foi testado em variados conjuntos de dados provenientes do reposit?rio UCI e do Conjunto de Problemas Fundamentais de Agrupamento. As simula??es computacionais demonstram que o m?todo proposto neste trabalho ? capaz de alcan?ar resultados promissores, conseguindo elevar a performance em compara??o com um ?nico mapa de Kohonen. / The amount of collected and stored information is growing every day in several areas of knowledge and data mining techniques are applied to these datasets in order to extract useful knowledge. One or another algorithm, or the same algorithm with different attributes, can lead to different results due to the dataset diversity. To solve this problem, machines committees methods were developed. A machine committee is a set of neural networks working independently and the results are combined into a single output, achieving a better generalization. The purpose of this work is to develop a new method for Kohonen maps ensemble, where the maps fusion is weighted by cluster validation indices and is suitable for equal size maps fusion and for different size maps fusion. The proposed algorithm has been tested in multiple data sets from the UCI Machine Learning Repository and Fundamental Clustering Problems Suite. Computer simulations show the proposed method is able to reach encouraging results, obtaining raising performance compared with a single Kohonen map.