Engenharia Elétrica e Computação - Teses - EE Higienópolis
URI Permanente para esta coleção
Navegar
Navegando Engenharia Elétrica e Computação - Teses - EE Higienópolis por Orientador "Silva, Leandro Nunes de Castro"
Agora exibindo 1 - 4 de 4
Resultados por página
Opções de Ordenação
- TeseAgrupamento nebuloso de dados baseado em enxame de partículas: seleção por métodos evolutivos e combinação via relação nebulosa do tipo-2Szabo, Alexandre (2014-10-29)
Engenharia Elétrica
Clustering usually treats objects as belonging to mutually exclusive clusters, what is usually im-precise, because an object may belong to more than one cluster simultaneously with different membership degrees. The clustering algorithms, both crisp and fuzzy, have a number of parameters to be adjusted so that they present the best performance for a given database. Furthermore, it is known that no single algorithm is better than all the others for all problem classes, and the combi-nation of solutions found by various algorithms (or the same algorithm with different parameters) may lead to a global solution that is better than those found by individual algorithms, including the best one. It is within this context that the present thesis proposes a new fuzzy clustering algo-rithm inspired by the behavior of particle swarms and, then, introduces a new form of combining the clustering algorithms using concepts from Type-2 fuzzy sets. - TeseComputação natural metateórica: um arcabouço conceitual para o estudo da computação na naturezaXavier, Rafael Silveira (2015-09-16)
Engenharia Elétrica
Atualmente, as ciências naturais estão se valendo de conceitos de informação e computação para investigar a estrutura da natureza e as inter-relações entre os diversos sistemas naturais. Além disso, cientistas de diversas áreas estão argumentando que a natureza realiza computações e outros defendem que a estrutura básica do mundo físico está fundamentada em processos informacionais e computacionais. Dentro deste cenário, existe a Computação Natural, cuja principal premissa é assumir que os fenômenos naturais podem ser interpretados sob uma perspectiva computacional e que esses fenômenos podem ser modelados computacionalmente e aplicados em diferentes contextos científicos. Embora a Computação Natural se comprometa com a interpretação computacional da natureza não existe um corpo teórico que permita explicar os sistemas naturais sob uma perspectiva computacional. Neste contexto, esta tese propõe uma Estrutura Conceitual, que explica computacionalmente as estruturas e processos presentes nos sistemas naturais. A Estrutura Conceitual é embasada em um conjunto de conceitos e macroconceitos e sua formalização consiste em dois conjuntos de ferramentas: um mapa conceitual que representa uma visualização gráfica dos macroconceitos e conceitos e suas relações; e um conjunto de diagramas UML para modelar computacionalmente as estruturas, processos e subprocessos presentes nos sistemas naturais. Desta forma, a Estrutura Conceitual proposta traz consigo uma forma intuitiva e visual de entender os sistemas naturais sob uma perspectiva computacional e de guiar a modelagem de algoritmos bioinspirados. Da perspectiva da análise de algoritmos bioinspirados, as ferramentas de modelagem permitem visualizar lacunas conceituais na engenharia dos algoritmos estudados. Por fim, a Estrutura Conceitual proposta é utilizada como ferramenta para o projeto e desenvolvimento (síntese) de algoritmos bioinspirados, mais especificamente para o desenvolvimento de algoritmos inspirados no comportamento das bactérias. Desta forma, a Estrutura Conceitual proposta visa a construção de um ferramental de análise e síntese que colabore para o amadurecimento teórico e interdisciplinar da Computação Natural. - TeseMineração de mídias sociais como ferramenta para a análise da tríade da persona virtualLima, Ana Carolina Espírito Santo (2016-12-07)
Escola de Engenharia Mackenzie (EE)
Understanding the human being is a continuous work of perception and inference about how he/she interacts and responds to various environmental stimuli in which he/she is inserted. Each person behaves based on how he/she sees and reacts to the world. However, the Internet has created an environment in which behaviors are also expressed and social media constantly stimulate the creation of social ties and the sharing of information. Identifying and mapping patterns from this data opens up opportunities to understand what is the persona that one wants to express within such environment, leading to what was named here the virtual persona. Therefore, data mining techniques are powerful tools for data exploration and analysis, making it possible to develop a computing infrastructure that allows to infer psychological aspects of the virtual persona. All this technical and computational framework for social media data analysis makes up the social media mining field of research. Motivated by this perspective, this thesis proposes computational frameworks to analyze three aspects of the virtual persona: sentiment; temperament; and personality. As a result, it was developed the Virtual Persona Triad, composed of frameworks for sentiment analysis, temperament prediction and personality identification. We assessed various techniques to represent text and classification algorithms, analyzed via social media mining methods capable of providing the desired inferences about the Triad. The results show a higher predictive ability for the category dictionaries combined with ensembles of classifiers. - TeseSeleção de algoritmos para a tarefa de agrupamento de dados: uma abordagem via meta-aprendizagemFerrari, Daniel Gomes (2014-03-27)
Engenharia Elétrica
Data clustering is an important data mining task that aims to segment a database into groups of objects based on their similarity or dissimilarity. Due to the unsupervised nature of clustering, the search for a good quality solution can become a complex process. There is currently a wide range of clustering algorithms and selecting the most suitable one for a given problem can be a slow and costly process. In 1976, Rice formulated the algorithm selection problem (PSA) postulating that a good performance algorithm can be chosen according to the problem s structural characteristics. Meta-learning brings the concept of learning about learning, that is, the meta-knowledge obtained from the algorithms learning process allows it to improve its performance. Meta-learning has a major intersection with data mining in classification problems, where it is used to select algorithms. This thesis proposes an approach to the algorithm selection problem by using meta-learning techniques for clustering. The characterization of 84 problems is performed by a classical approach, based on the problems, and a new proposal based on the similarity among the objects. Ten internal indices are used to provide different performance assessments of seven algorithms, where the combination of the indices determine the ranking for the algorithms. Several analyzes are performed in order to assess the quality of the obtained meta-knowledge in facilitating the mapping between the problem s features and the performance of the algorithms. The results show that the new characterization approach and method to combine the indices provide a good quality algorithm selection mechanism for data clustering problems.