Síntese de árvores de padrões Fuzzy através de Programação Genética Cartesiana.

Esta dissertação apresenta um sistema de indução de classificadores fuzzy. Ao invés de utilizar a abordagem tradicional de sistemas fuzzy baseados em regras, foi utilizado o modelo de Árvore de Padrões Fuzzy(APF), que é um modelo hierárquico, com uma estrutura baseada em árvores que possuem como nós internos operadores lógicos fuzzy e as folhas são compostas pela associação de termos fuzzy com os atributos de entrada. O classificador foi obtido sintetizando uma árvore para cada classe, esta árvore será uma descrição lógica da classe o que permite analisar e interpretar como é feita a classificação. O método de aprendizado originalmente concebido para a APF foi substituído pela Programação Genética Cartesiana com o intuito de explorar melhor o espaço de busca. O classificador APF foi comparado com as Máquinas de Vetores de Suporte, K-Vizinhos mais próximos, florestas aleatórias e outros métodos Fuzzy-Genéticos em diversas bases de dados do UCI Machine Learning Repository e observou-se que o classificador APF apresenta resultados competitivos. Ele também foi comparado com o método de aprendizado original e obteve resultados comparáveis com árvores mais compactas e com um menor número de avaliações.

Características ambientais e a ocorrência de leishmaniose visceral em Teresina, Piauí: uma aplicação utilizando sensoriamento remoto

Nas Américas, a leishmaniose visceral (LV) experimenta um processo de urbanização e o cão doméstico é considerado o principal reservatório da doença neste cenário, embora seu papel no ciclo de transmissão não esteja totalmente explicado. Este estudo teve como objetivo investigar, por meio da análise de dados espaciais e imagens de sensoriamento remoto, a relação de fatores ambientais com a ocorrência de infecção canina por Leishmania chagasi e sua correlação espacial com a doença humana na cidade de Teresina (Piauí - Brasil), onde foi relatada a primeira epidemia urbana de LV no Brasil. Os resultados são apresentados na forma de dois manuscritos, nos quais são utilizados dados georreferenciados obtidos por meio de um inquérito sorológico canino realizado durante o ano de 2011, em diferentes bairros com transmissão moderada ou intensa. No primeiro, a regressão logística multinível foi utilizada para correlacionar a prevalência da infecção canina com variáveis ambientais de quadrículas de 900m2 (30mx30m) onde os domicílios estavam localizados, ajustando para as características individuais dos cães (sexo, idade e raça) e da residência. Participaram desta análise 717 cães distribuídos em 494 domicílios e 396 quadrículas. Um percentual >16,5% da área da quadrícula coberta por pavimentação clara (ruas de terra ou asfalto antigo) foi a única variável ambiental associada com a infecção canina por L. chagasi (Odds ratio [OR] = 2,00, intervalo de 95% de confiança [IC95%]: 1,22 - 3,26). Estas áreas provavelmente correspondem àquelas mais pobres e com pior infraestrutura urbana, sugerindo a ocorrência de um padrão de transmissão intra-urbano similar aos padrões rurais e peri-urbanos da LV. No segundo manuscrito, a partir da análise hierárquica do vizinho mais próximo foi verificada a presença de sete clusters de maior concentração de cães soropositivos em relação aos soro negativos em áreas menos urbanizadas e com vegetação pouco densa. Participaram desta análise 322 cães distribuídos em cinco bairros. A relação espacial entre os caninos soropositivos e os casos humanos foi investigada através do método da distância média entre os pontos e analisada por meio do teste t. Foi encontrada uma maior proximidade de casos humanos em relação a cães soropositivos quando comparada à distância em relação aos soro negativos, sugerindo a existência de uma relação espacial entre a LV humana e a soropositividade canina. Os resultados contribuem para uma maior compreensão sobre a dinâmica da doença em meio urbano além de fornecer informações úteis para a prevenção e controle da LV em seres humanos.

Sistemas inteligentes aplicados em monitoramento de estruturas aeronáuticas.

Este trabalho apresenta o desenvolvimento de sistemas inteligentes aplicados ao monitoramento de estruturas aeronáuticas abordando dois modelos distintos: o primeiro é a análise e classificação de imagens de ultrassom de estruturas aeronáuticas com objetivo de apoiar decisões em reparo de estruturas aeronáuticas. Foi definido como escopo do trabalho uma seção transversal da asa da aeronave modelo Boeing 707. Após a remoção de material superficial em áreas comprometidas por corrosão, é realizada a medição da espessura ao longo da área da peça. Com base nestas medições, a Engenharia realiza a análise estrutural, observando os limites determinados pelo manual de manutenção e determina a necessidade ou não de reparo. O segundo modelo compreende o método de impedância eletromecânica. É proposto o desenvolvimento de um sistema de monitoramento de baixo custo aplicado em uma barra de alumínio aeronáutico com 10 posições de fixação de porcas e parafusos. O objetivo do sistema é avaliar, a partir das curvas de impedância extraídas do transdutor PZT fixado na barra, sua capacidade de classificar a existência ou não de um dano na estrutura e, em caso de existência do dano, indicar sua localização e seu grau de severidade. Foram utilizados os seguintes classificadores neste trabalho: máquina de vetor de suporte, redes neurais artificiais e K vizinhos mais próximos.

Modelos de agrupamento e classificação para os bairros da cidade do Rio de Janeiro sob a ótica da Inteligência Computacional: Lógica Fuzzy, Máquinas de Vetores Suporte e Algoritmos Genéticos

A partir de 2011, ocorreram e ainda ocorrerão eventos de grande repercussão para a cidade do Rio de Janeiro, como a conferência Rio+20 das Nações Unidas e eventos esportivos de grande importância mundial (Copa do Mundo de Futebol, Olimpíadas e Paraolimpíadas). Estes acontecimentos possibilitam a atração de recursos financeiros para a cidade, assim como a geração de empregos, melhorias de infraestrutura e valorização imobiliária, tanto territorial quanto predial. Ao optar por um imóvel residencial em determinado bairro, não se avalia apenas o imóvel, mas também as facilidades urbanas disponíveis na localidade. Neste contexto, foi possível definir uma interpretação qualitativa linguística inerente aos bairros da cidade do Rio de Janeiro, integrando-se três técnicas de Inteligência Computacional para a avaliação de benefícios: Lógica Fuzzy, Máquina de Vetores Suporte e Algoritmos Genéticos. A base de dados foi construída com informações da web e institutos governamentais, evidenciando o custo de imóveis residenciais, benefícios e fragilidades dos bairros da cidade. Implementou-se inicialmente a Lógica Fuzzy como um modelo não supervisionado de agrupamento através das Regras Elipsoidais pelo Princípio de Extensão com o uso da Distância de Mahalanobis, configurando-se de forma inferencial os grupos de designação linguística (Bom, Regular e Ruim) de acordo com doze características urbanas. A partir desta discriminação, foi tangível o uso da Máquina de Vetores Suporte integrado aos Algoritmos Genéticos como um método supervisionado, com o fim de buscar/selecionar o menor subconjunto das variáveis presentes no agrupamento que melhor classifique os bairros (Princípio da Parcimônia). A análise das taxas de erro possibilitou a escolha do melhor modelo de classificação com redução do espaço de variáveis, resultando em um subconjunto que contém informações sobre: IDH, quantidade de linhas de ônibus, instituições de ensino, valor m médio, espaços ao ar livre, locais de entretenimento e crimes. A modelagem que combinou as três técnicas de Inteligência Computacional hierarquizou os bairros do Rio de Janeiro com taxas de erros aceitáveis, colaborando na tomada de decisão para a compra e venda de imóveis residenciais. Quando se trata de transporte público na cidade em questão, foi possível perceber que a malha rodoviária ainda é a prioritária