Análise de desempenho dos algoritmos Apriori e Fuzzy Apriori na extração de regras de associação aplicados a um Sistema de Detecção de Intrusos.

A extração de regras de associação (ARM - Association Rule Mining) de dados quantitativos tem sido pesquisa de grande interesse na área de mineração de dados. Com o crescente aumento das bases de dados, há um grande investimento na área de pesquisa na criação de algoritmos para melhorar o desempenho relacionado a quantidade de regras, sua relevância e a performance computacional. O algoritmo APRIORI, tradicionalmente usado na extração de regras de associação, foi criado originalmente para trabalhar com atributos categóricos. Geralmente, para usá-lo com atributos contínuos, ou quantitativos, é necessário transformar os atributos contínuos, discretizando-os e, portanto, criando categorias a partir dos intervalos discretos. Os métodos mais tradicionais de discretização produzem intervalos com fronteiras sharp, que podem subestimar ou superestimar elementos próximos dos limites das partições, e portanto levar a uma representação imprecisa de semântica. Uma maneira de tratar este problema é criar partições soft, com limites suavizados. Neste trabalho é utilizada uma partição fuzzy das variáveis contínuas, que baseia-se na teoria dos conjuntos fuzzy e transforma os atributos quantitativos em partições de termos linguísticos. Os algoritmos de mineração de regras de associação fuzzy (FARM - Fuzzy Association Rule Mining) trabalham com este princípio e, neste trabalho, o algoritmo FUZZYAPRIORI, que pertence a esta categoria, é utilizado. As regras extraídas são expressas em termos linguísticos, o que é mais natural e interpretável pelo raciocício humano. Os algoritmos APRIORI tradicional e FUZZYAPRIORI são comparado, através de classificadores associativos, baseados em regras extraídas por estes algoritmos. Estes classificadores foram aplicados em uma base de dados relativa a registros de conexões TCP/IP que destina-se à criação de um Sistema de Detecção de Intrusos.

Modelagem Fuzzy para previsão de uma série temporal de energia elétrica.

Esta dissertação testa e compara dois tipos de modelagem para previsão de uma mesma série temporal. Foi observada uma série temporal de distribuição de energia elétrica e, como estudo de caso, optou-se pela região metropolitana do Estado da Bahia. Foram testadas as combinações de três variáveis exógenas em cada modelo: a quantidade de clientes ligados na rede de distribuição de energia elétrica, a temperatura ambiente e a precipitação de chuvas. O modelo linear de previsão de séries temporais utilizado foi um SARIMAX. A modelagem de inteligência computacional utilizada para a previsão da série temporal foi um sistema de Inferência Fuzzy. Na busca de um melhor desempenho, foram feitos testes de quais variáveis exógenas melhor influenciam no comportamento da energia distribuída em cada modelo. Segundo a avaliação dos testes, o sistema Fuzzy de previsão foi o que obteve o menor erro. Porém dentre os menores erros, os resultados dos testes também indicaram diferentes variáveis exógenas para cada modelo de previsão.

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

Using strong sustainability to optimize electricity generation fuel mixes

This work represents a contribution to the field of sustainable electricity system design by using an optimization tool to specify the final mix composition, subject to the constraints of: emissions that are within the biocapacity of the region; a diverse and robust electricity supply system; and supply that at least meets current demand. The 25-country European Union (EU-25) is used as a case study. All the goals, save diversity, can be met by re-structuring the current fuel mix, thus maintaining current consumption levels. The diversity target is only met when consumption is reduced by 10-15% and the constraint on maximum material throughput is relaxed. Re-structuring the mix and reducing consumption is insufficient to achieve a sustainable EU carbon footprint. However, the solution proposed singlehandedly allows the EU to meet its Kyoto emissions target as well as its 2007 policy of a reduction of 20% in greenhouse gas emissions by 2020. © 2007 Elsevier Ltd. All rights reserved.

Linking energy policy, electricity generation and transmission using strong sustainability and co-optimization

The design of a sustainable electricity generation and transmission system is based on the established science of anthropogenic climate change and the realization that depending on imported fossil-fuels is becoming a measure of energy insecurity of supply. A model is proposed which integrates generation fuel mix composition, assignment of plants and optimized power flow, using Portugal as a case study. The result of this co-optimized approach is an overall set of generator types/fuels which increases the diversity of Portuguese electricity supply, lowers its dependency on imported fuels by 14.62% and moves the country towards meeting its regional and international obligations of 31% energy from renewables by 2020 and a 27% reduction in greenhouse gas emissions by 2012, respectively. The quantity and composition of power generation at each bus is specified, with particular focus on quantifying the amount of distributed generation. Based on other works, the resultant, overall distributed capacity penetration of 19.02% of total installed generation is expected to yield positive network benefits. Thus, the model demonstrates that national energy policy and technical deployment can be linked through sustainability and, moreover, that the respective goals may be mutually achieved via holistic, integrated design. ©2009 IEEE.

Strong plasmonic enhancement of photovoltage in graphene.

From the wide spectrum of potential applications of graphene, ranging from transistors and chemical sensors to nanoelectromechanical devices and composites, the field of photonics and optoelectronics is believed to be one of the most promising. Indeed, graphene's suitability for high-speed photodetection was demonstrated in an optical communication link operating at 10 Gbit s(-1). However, the low responsivity of graphene-based photodetectors compared with traditional III-V-based ones is a potential drawback. Here we show that, by combining graphene with plasmonic nanostructures, the efficiency of graphene-based photodetectors can be increased by up to 20 times, because of efficient field concentration in the area of a p-n junction. Additionally, wavelength and polarization selectivity can be achieved by employing nanostructures of different geometries.

Strong, low frequency (decadal) environmental fluctuations during the 20th century in the North Pacific Ocean, on the Washington coast, and in Puget Sound

At decadal period (10-20 years), dynamic linkage was evident between atmospheric low pressure systems over the North Pacific Ocean and circulation in a Pacific Northwest fjord (Puget Sound). As the Aleutian low pressure center shifts, storms arriving from the North Pacific Ocean deposit varying amounts of precipitation in the mountains draining into the estuarine system; in turn, the fluctuating addition of fresh water changes the density distribution near the fjord basin entrance sill, thereby constraining the fjord's vertical velocity structure. This linkage was examined using time series of 21 environmental parameters from 1899 to 1987. Covariation in the time series was evident because of the strong decadal cycles compared with long-term averages, interannual variability, and seasonal cycles.