O absenteísmo entre profissionais de enfermagem impacta diretamente a qualidade da assistência prestada, a produtividade das equipes e a gestão de recursos humanos em instituições hospitalares. Este estudo tem como objetivo determinar em que medida o absenteísmo é previsível a partir de dados administrativos e estimar a parcela desse risco sob governança da gestão hospitalar. Foram analisados 4.046 registros mensais de profissionais de enfermagem de um Hospital Universitário, com treze variáveis sociodemográficas e funcionais. O processo metodológico envolveu pré-processamento, avaliação de dez métodos de balanceamento de classes e treinamento de quatro modelos supervisionados, Decision Tree, Random Forest, XGBoost e Multilayer Perceptron, além de arquiteturas de aprendizado profundo para dados tabulares. A avaliação empregou validação cruzada estratificada, testes de significância pareados, análise de interpretabilidade por valores SHAP e análise de sensibilidade a fatores organizacionais. O Random Forest apresentou o melhor desempenho, com AUC de 0,778 e acurácia de 0,764 frente à linha de base de 0,682, superando os demais modelos de forma significativa; as arquiteturas profundas não o superaram. Esse patamar, confirmado por três procedimentos independentes, indica saturação do conjunto de variáveis disponível, não um limite do fenômeno. A decomposição da importância das variáveis revelou que os atributos individuais não modificáveis respondem por 51,9% da capacidade preditiva, contra 30,6% dos fatores organizacionais, redundantes com o perfil individual (AUC de apenas 0,017 ao removê-los). Entre os fatores organizacionais, o turno da tarde apresentou taxa bruta de ausência de 39,1% contra 24,2% do noturno, associação não ajustada por confundidores. A priorização dos vinte por cento de maior risco previsto concentra 45,9% das ausências registradas, uso voltado à alocação preventiva de cobertura, não à avaliação individual. Conclui-se que o modelo é adequado ao dimensionamento agregado e inadequado a decisões individuais, e que o principal ganho disponível está no registro do histórico individual de frequência, associado a ganho estimado de 2,8 pontos percentuais de acurácia.

As Vehicular Ad Hoc Networks (VANETs) são componentes essenciais dos Intelligent Transport Systems (ITS), possibilitando a comunicação entre veículos e unidades de infraestrutura. Essa interação viabiliza aplicações voltadas à segurança, monitoramento e eficiência no transporte, contribuindo para a redução de acidentes e melhoria da mobilidade urbana. Em situações emergenciais, como colisões ou bloqueios de pista, ocorre uma disseminação massiva de mensagens Distributed Event Notification Messages (DENM), ocasionando congestionamento na rede, redundância de informações e aumento da carga de processamento nas Road Side Units (RSUs). Diante desse cenário, este trabalho propõe o Task Scheduling for Energy and Queue with REDundant-DENM control (TSET-RED), um algoritmo de escalonamento de tarefas em RSUs com tratamento de redundância DENM voltado a ambientes veiculares inteligentes. Um dos principais objetivos do modelo é reduzir o consumo energético das RSUs, preservando a energia restante e aumentando sua eficiência operacional, além de estabilizar as filas de tarefas e controlar a redundância de mensagens DENM sem comprometer o processamento das notificações relevantes. A proposta integra princípios do algoritmo Task Scheduling strategy for Energy-packet queue length Tradeoff (TSET), baseados na teoria de Lyapunov, a um mecanismo adaptativo de controle de redundância fundamentado na similaridade das mensagens DENM e no estado da fila e da energia da RSU. Para validação e análise de desempenho, foram configurados cenários experimentais no OMNeT++, contemplando situações de colisão, congestionamento repentino, sobrecarga e offload por energia baixa. Os resultados indicaram que o TSET-RED reduziu o processamento de mensagens DENM entre 53,3% e 87,8% nos cenários avaliados, ao mesmo tempo em que aumentou a energia restante das RSUs em até 61 unidades simuladas. Além disso, o algoritmo reduziu o pico das filas e eliminou descartes em cenários de maior sobrecarga, demonstrando maior estabilidade no tratamento das mensagens. No cenário de offload por energia baixa, a proposta encaminhou 83 tarefas para a nuvem, validando o funcionamento do mecanismo de descarregamento quando a RSU opera sob restrição energética.

Tokens não fungíveis (NFTs) são objetos digitais únicos na Internet, cuja identificação, propriedade e autoria podem ser verificadas via registros em redes blockchain. A adoção de NFTs para o registro de conteúdo digital impulsionou o surgimento de plataformas de negociação desses objetos como ativos financeiros de valor. OpenSea é um exemplo de plataforma pioneira nesse setor, que se tornou mundialmente conhecida e inspirou a organização de coleções de NFTs por categorias, facilitando sua descoberta e avaliação por artistas e colecionadores. No entanto, os critérios utilizados pelas plataformas de comercialização de NFTs para classificar coleções ainda não são claramente definidos, o que pode gerar inconsistências na categorização e dificultar a navegação e a análise do valor desses ativos. Embora a literatura recente tenha avançado na análise de comportamento de usuários, na investigação de redes de transações e na predição do valor de NFTs, ainda há uma lacuna em métodos automatizados para a classificação semântica de coleções de NFTs. As abordagens existentes concentram-se principalmente em atributos estruturais derivados de dados de mercado ou em características visuais dos ativos, frequentemente apresentando limitações relacionadas à variabilidade temporal dos dados ou ao alto custo computacional de processamento de imagens. Para enfrentar esse problema, investigamos a classificação automática de coleções de NFTs a partir da integração de diferentes fontes de informação e paradigmas de inferência. Inicialmente, são avaliados modelos supervisionados de aprendizado de máquina utilizando três cenários de atributos: (i) estatísticas de mercado derivadas da atividade das coleções, (ii) representações semânticas obtidas por meio de embeddings das descrições textuais das coleções, e (iii) a combinação de ambos em uma abordagem multimodal. Posteriormente, são analisados modelos de linguagem de grande escala (LLM) como classificadores semânticos diretos, utilizando prompts estruturados baseados nas descrições e nos atributos das coleções. Os experimentos foram conduzidos sobre um conjunto de dados composto por coleções da plataforma OpenSea, classificadas em sete categorias. Os resultados mostram que a abordagem supervisionada multimodal alcança desempenho competitivo, com acurácia de 75,7% e F1-score de 75,4%. Nos experimentos baseados em LLMs, o melhor modelo alcançou acurácia de 73,8%, demonstrando desempenho próximo ao dos modelos supervisionados mesmo sem treinamento específico no domínio. Além disso, a análise de concordância entre modelos revelou elevados níveis de consistência nas decisões de classificação, ao mesmo tempo em que identificou divergências relevantes em relação aos rótulos atribuídos pela plataforma. Esse resultado sugere que parte das inconsistências observadas na tarefa pode estar associada a ambiguidades ou ruído no processo de classificação utilizado pela OpenSea, e não apenas às limitações dos classificadores avaliados. Em suma, nessa dissertação demonstramos que a integração de metadados estruturais, representações textuais e modelos de linguagem oferece uma abordagem promissora para a classificação automática de coleções de NFTs. Essa abordagem pode contribuir para o desenvolvimento de ferramentas de organização e de análise do mercado, além de abrir novas possibilidades para sistemas de recomendação e curadoria automática em plataformas de negociação de NFTs.

A qualidade dos dados é fundamental para a confiabilidade de sistemas de apoio à decisão e modelos de Inteligência Artificial, especialmente no contexto de bases de dados heterogêneas e desbalanceadas, onde a integridade da informação é crítica. No entanto, a presença de dados faltantes (missing values) representa um desafio estrutural que, se tratado inadequadamente, introduz vieses severos. O objetivo deste trabalho foi desenvolver e validar uma Metodologia de Imputação Híbrida Orientada pelo Perfil Estatístico, integrando algoritmos de Imputação Multivariada (MICE com Random Forest) e técnicas de Discretização Adaptativa para variáveis de alta variância. Para tanto, realizou-se uma pesquisa experimental aplicada, utilizando datasets reais de alta complexidade (Kala-Cal e BRFSS). A validação ocorreu através da análise comparativa entre a proposta e métodos clássicos (baselines) como a Média, Mediana e KNN, avaliando-se não apenas métricas de erro, mas também a preservação das distribuições originais. Os resultados indicaram que a abordagem diagnóstica obteve desempenho superior, garantindo a convergência em variáveis onde a regressão linear falhou e preservando a variabilidade natural dos dados, o que representa uma melhoria significativa frente à aplicação monolítica de algoritmos. Conclui-se que a técnica proposta é viável e eficaz para maximizar a fidelidade estatística no tratamento de dados incompletos, mitigando riscos de “alucinações” em modelos preditivos subsequentes.

This work addresses the complexity and challenges of manual trading in the Forex market, a high-volatility environment where decisions are often compromised by emotional biases and the human limitation in processing information and executing orders promptly. To overcome these difficulties, Scalper Major, an automated trading system (Expert Advisor), was developed. The solution is based on a modular architecture composed of a signal processor, a risk manager, and a money manager. These components apply technical criteria, specialized heuristics, and strict management rules to operate with minimal human intervention. The validation of Scalper Major was conducted in two distinct scenarios. In the simulated environment, using historical data from January 2016 to December 2023 with an initial capital of $20,000.00, the system obtained a net profit of $751,533.23, with an overall win rate of 82.54% across 11,571 executed trades. In the live environment, operating from June 2024 to September 2025, the system started with a capital of $20,000.00 and generated a net profit of $19,673.82, achieving a win rate of 78.58% in 1,886 trades. The results from both scenarios demonstrate the robustness and effectiveness of the proposed solution, which proved to be profitable and resilient even in the face of events of significant market instability.

Ao modelar a atenção visualmente aparente em cenas de sala de aula, um dataset gerado sinteticamente e rotulado por modelos visão–linguagem — construído sob recursos computacionais limitados — fornece uma forte base empírica para avaliar o grau de maturidade de representações visuais pré-treinadas contemporâneas. Os resultados reforçam uma interpretação operacional de boas representações, como aquelas que permitem a extração eficiente de informação relevante à tarefa por meio de classificadores simples. Nesse contexto, análises sensíveis à variância e relacionadas à tarefa, tendo por objeto a geometria do embedding em modelos visuais pré-treinados contemporâneos, demonstram que um contraste binário atento versus desatento se organiza ao longo de uma única direção discriminativa dominante em espaços de embedding de alta dimensionalidade. Essa estrutura fortemente anisotrópica está presente em representações congeladas e pode ser exposta de modo confiável com pouquíssimos dados, como se observa na saturação rápida das curvas de aprendizado e na sensibilidade limitada ao aumento da capacidade de adaptadores, indicando que a maior parte do sinal relevante à tarefa é acessível sem necessidade de adaptações.

Motivado pela hipótese de que Vision Foundation Models codificam variação estruturada associada ao comportamento de atenção visualmente aparente, este trabalho adota uma perspectiva centrada em representações, que prioriza análise geométrica ao invés de end-to-end optimization. Assim, o reconhecimento de atenção visualmente aparente é tratado não como um problema de supervised decoding, mas como uma investigação sobre como a estrutura alinhada à tarefa é organizada e revelada dentro de espaços de embeddings pré-treinados.

Para testar essa hipótese sob condições controladas, um dataset sintético de sala de aula — que será disponibilizado publicamente — é construído como um instrumento experimental para perturbar seletivamente pistas de atenção visualmente aparentes ao longo de diversas atividades em sala e configurações comportamentais, mantendo um rótulo alvo binário atento versus desatento, sem tratar dados sintéticos como um substituto para distribuições do mundo real. Anotações comportamentais para o alvo binário são fornecidas por modelos multimodais visão-linguagem. Os embeddings congelados de Vision Foundation Models e de um baseline convolucional são avaliados como objetos geométricos sob regimes de readout com capacidade variável. O desempenho é avaliado por métricas padrão de classificação (Macro-F1 e ROC–AUC), enquanto a estrutura induzida pela tarefa é examinada por meio de projeções sensíveis à variância (Linear Discriminant Analysis) e espectros empíricos da Fisher Information.

Os resultados mostram que a separabilidade emerge com poucas amostras e rapidamente entra em platô, enquanto o aumento da capacidade de readout amplifica principalmente a sensibilidade ao longo da mesma direção dominante, em vez de revelar eixos de tarefa adicionais e independentes. O baseline convolucional exibe uma geometria task-induced comparável, porém com menor eficiência representacional. Em conjunto, esses resultados fornecem evidência quantitativa e não anedótica de que, para as distinções comportamentais consideradas, representações visuais pré-treinadas e congeladas já expõem a maior parte da estrutura relevante à tarefa quando combinadas com downstream readouts leves, indicando que, nesse regime, adaptadores simples costumam ser suficientes, com benefício marginal limitado de task-specific fine-tuning. De forma mais ampla, esses achados motivam o uso de diagnósticos geométricos e de teoria da informação, como ferramentas para caracterizar tanto as capacidades quanto os limites das representações visuais modernas.

As desigualdades no desempenho educacional entre municípios brasileiros permanecem amplas e persistentes, conforme evidenciado pelas variações do Índice de Desenvolvimento da Educação Básica (IDEB) nas diferentes etapas da educação básica. Apesar da crescente disponibilidade de informações sobre os sistemas de ensino, ainda há limitações na utilização integrada desses insumos para prever o desempenho municipal e subsidiar decisões estratégicas. Essa lacuna é particularmente relevante em estados como o Piauí, onde os municípios apresentam desempenho heterogéneo, com alguns registrando avanços consistentes e outros mantendo resultados inferiores . m.dia estadual. Neste contexto, o presente trabalho tem como objetivo principal aplicar e avaliar modelos preditivos baseados em aprendizado de máquina (Machine Learning - ML) e aprendizado profundo (Deep Learning - DL) para prever o desempenho educacional dos munic.pios piauienses, representado pelo IDEB, nas tr.s etapas da educação básica (anos iniciais, anos finais e ensino médio), integrando variáveis educacionais, socioeconómicas e financeiras. Para tanto, foram construídas três bases de dados, compreendendo o período de 2013 a 2023, considerando os anos ímpares. Foram testados e comparados dez algoritmos clássicos de regressão supervisionada, incluindo regressões penalizadas, modelos baseados em árvore, como Floresta Aleatória (Random Forest - RF) e Extreme Gradient Boosting (XGBoost) e métodos baseados em instâncias, além de sete arquiteturas de Redes Neurais Artificiais (Artificial Neural Networks - ANN) profundas, como Perceptron Multicamadas (Multilayer Perceptron - MLP), Rede Neural Convolucional (Convolutional Neural Network – CNN), Memória de Longo e Curto Prazo (Long Short-Term Memory - LSTM) e híbridas. O desempenho dos modelos foi avaliado por meio de métricas de erro e coeficiente de determinação (R2), calculadas nos conjuntos de treino, teste e validação cruzada com 5 folds. Os resultados indicaram que o modelo XGBoost apresentou o melhor desempenho global nas três etapas da educação básica, com R2 de 0,5455 nos anos iniciais, 0,5205 nos anos finais e 0,4488 no ensino médio, segundo validação cruzada. Destacou-se para sua robustez nos anos iniciais e finais e sua relativa estabilidade no ensino médio, etapa notoriamente mais difícil de prever devido à maior variabilidade e evasão. A análise de importância das variáveis identificou determinantes centrais para o IDEB. Nos anos iniciais e finais, destacaram-se o PIB per capita, a taxa de distorção idade-série, o percentual de docentes sem curso superior, variáveis da agropecuária local e repasses do programa Criança Feliz. No ensino médio, assumiram relevância variáveis ligadas . infraestrutura escolar, gestão e esforço docente. Com base no modelo XGBoost, foi desenvolvido um sistema de simulação de cenários, que permite testar, de forma contrafactual, o impacto de alterações paramétricas nas variáveis explicativas sobre os valores previstos do IDEB municipal de 2023. Esse módulo opera com interface amigável e recursos de exportação de gráficos e visualizações personalizadas, representando uma contribuição concreta para o planejamento educacional baseado em evidências. Os resultados obtidos demonstram que é possível antecipar, com razoável grau de acurácia, o comportamento do IDEB em nível municipal. O sistema de simulação desenvolvido consolida-se como ferramenta de apoio à tomada de decisão, permitindo que gestores visualizem os efeitos hipotéticos de políticas públicas educacionais. Como perspectivas futuras, recomenda-se a inclusão de novas variáveis e a replicação da metodologia em outros contextos federativos.

The evolution of urban mobility requires computational solutions that ensure service continuity, adaptability and resilience in the face of operational variations and runtime failures. In this context, vehicular ad hoc networks (VANETs), integrated with edge computing and microservices architecture, play a central role in distributed systems for traffic monitoring and control. However, topological instability, resource limitations and high validation costs with real experiments make it essential to use analytical approaches for prior reliability and performance assessment. This dissertation proposes models based on Stochastic Petri Nets (SPNs) to represent and analyze the availability and performance of a VANET architecture with multiple RSUs connected to an edge server. The availability model incorporates physical, logical and communication failure modes, focusing on operational continuity ensured by microservice migration between RSUs. The modeling considers parameters such as Mean Time Between Failures (MTTF) and Mean Time to Repair (MTTR). The case studies show that, even in the face of simultaneous failures in different system components, activating the migration mechanism prevents complete degradation of availability and ensures the maintenance of operational paths, with faster recovery and lower risk of functional collapse. For performance evaluation, an SPN model was developed that represents the adaptation of processing capacity in RSUs through horizontal autoscaling and microservices reinstantiation. The model considers different traffic volumes, variations over time, queue size, and initial resource availability. The case studies reveal saturation patterns that occur when scaling limits are not well adjusted, and indicate that the combined use of autoscaling with reinstantiation reduces bottlenecks and improves the balance between allocated capacity and actual demand. The evaluation also showed that small variations in parameters such as the initial number of microservices or queue depth have a significant impact on response and discard metrics. Sensitivity analysis via Design of Experiments (DoE) identified the most influential factors, allowing guidance on the optimal configuration of operational policies.

A tecnologia blockchain é considerada disruptiva, com potencial de aplicação em diversos setores, como agricultura, indústria e serviços. No entanto, a interoperabilidade entre diferentes blockchains — ou seja, a capacidade de comunicação e troca de dados entre redes distintas — ainda representa um desafio relevante. Um dos principais obstáculos está na diversidade das arquiteturas, protocolos e mecanismos de governança que caracterizam essas redes. Cada blockchain pode operar sob princípios próprios, apresentando variações substanciais em termos de design, segurança, privacidade e escalabilidade. Esse cenário fragmentado dificulta o desenvolvimento de soluções que viabilizem uma comunicação fluida e segura entre diferentes plataformas. A ausência de padronização e a falta de protocolos comuns para interoperabilidade aumentam ainda mais a complexidade de criação de soluções eficazes e amplamente aceitas pelo ecossistema. Nos últimos anos, protocolos vêm sendo propostos para mitigar esses desafios. No entanto, ainda são escassas as análises de desempenho desses protocolos em cenários de uso mais realistas. Este trabalho avalia o custo e o desempenho de um protocolo de interoperabilidade de tokens entre redes blockchain, um dos mais populares em finanças descentralizadas atualmente, denominado Cross-Chain Interoperability Protocol (CCIP) da empresa Chainlink. Foram conduzidos experimentos envolvendo múltiplas operações entre redes blockchain distintas. Os resultados indicam que o protocolo CCIP, apesar de sua ampla adoção, pode ser até sete vezes mais lento que outras soluções analisadas, além de apresentar tarifas mais elevadas, alcançando até US$ 0,78 por operação. Esses dados evidenciam o vasto espaço existente para inovação e aprimoramento no campo da interoperabilidade entre redes blockchain.

Cloud computing provides on-demand computing services over the Internet, with a pay-as-you-go model, which helps optimize operating costs. This approach provides benefits such as secure access from any location and device, as well as facilitating information sharing. In this context, users (software architects) can define QoS requirements for the contracted services, which must be described in the SLA. As a result, cloud computing has established itself as an attractive solution for companies of all sizes, which has driven its growth in recent years. To maximize the benefits of cloud computing, many users have adopted the multi-cloud model, in which an application is distributed across multiple providers, often without prior integration agreements between them. However, most providers do not directly provide metrics for the contracted services, making it difficult to verify compliance with SLAs and assess compliance with established QoS parameters. Therefore, users must resort to alternative strategies to measure the QoS values of the contracted services. This task becomes even more complex in multi-cloud environments, where multiple SLAs must be considered. In these cases, the user must evaluate performance metrics from both the perspective of each provider and the application as a whole. In this context, QoS monitoring from the user's perspective, based on the SLA, becomes important. Monitoring not only allows for assessing the quality of the service but also for identifying whether the application requires additional resources. Therefore, we propose an architecture for monitoring the QoS of services contracted across multiple cloud providers, for distributed microservices within an application. To validate the proposed solution, we developed a tool capable of monitoring metrics over time and supporting decision-making, enabling the measurement of the QoS of each service used by each microservice across the different contracted providers.

Information security faces increasingly complex challenges, requiring innovative strategies to enhance system resilience against attacks. The concept of Moving Target Defense (MTD) emerges as a promising approach, as it complicates the identification and exploitation of vulnerabilities by dynamically modifying system configurations. Among the possible strategies, virtual machine migration and IP address relocation stand out, as well as the use of decoy servers that act as bait to mislead attackers and delay their progress. This study proposes a comparative evaluation of two distinct MTD methodologies, both modeled using Petri nets. The first approach relies on migration as a defensive strategy, considering three activation policies: time-based, event-based, and a hybrid approach that combines both. To strengthen the response to attacks, an intrusion detection system (IDS) was incorporated to identify malicious activities and trigger system migration as needed. The second approach analyzes the impact of using decoy servers combined with dynamic IP address migration to hinder the mapping of real servers and increase attacker uncertainty regarding the system’s topology. Simulation results indicate that the effectiveness of event-based detection policies heavily depends on the accuracy of the IDS, proving to be more advantageous when its precision exceeds 50%. Additionally, the hybrid approach demonstrated the highest efficiency in delaying attacker progress, balancing security and system performance. In the context of decoy servers, experiments revealed that introducing a higher number of decoys significantly increases the time required for a successful intrusion, extending it from 8 to up to 19 days. The interaction between attack probability and the number of decoys showed a direct impact on the rate of IP address changes, reinforcing the effectiveness of this strategy in enhancing system resilience. Thus, this study contributes to the understanding of the applicability of different MTD strategies, providing analysis into how migration policies and decoy server usage can be optimized to improve the security of computing infrastructures against cyber threats.

A classificação de rachaduras em superfícies de concreto, alvenaria e afins é uma tarefa essencial para a manutenção preventiva de estruturas civis, pois quando não detectadas a tempo, podem comprometer a integridade estrutural e resultar em custos elevados de reparo.Neste contexto, esta proposta de pesquisa apresenta a WellNet, uma rede neural híbrida que se propõe como uma alternativa entre as abordagens para classificação de rachaduras em estruturas externas. A WellNet combina as capacidades das Redes Neurais Convolucionais (CNN), conhecidas por sua eficiência na extração de características locais, com a abordagem dos Transformadores Visuais (ViT), que captura informações contextuais globais. O modelo foi validado utilizando o conjunto de dados Mendeley, com diferentes configurações de hiperparâmetros e técnicas de aumento de dados. Foram realizados experimentos com e sem aumento de dados, evidenciando que a WellNet apresenta resultados comparáveis a arquiteturas CNN e híbridas em métricas como acurácia de 99,70%, precisão de 99,50%, recall de 99,90% e F1-score de 99,70%. Além disso, o modelo se destaca pelo seu espaço em memória de (26.4 MB), tornando-o viável para uso em sistemas embarcados e dispositivos móveis, facilitando inspeções automatizadas em fachadas de edificações e locais de difícil acesso.

A arquitetura de microsserviços utiliza a habilidade de virtualização para adotar uma abordagem de arquitetura de software baseada na construção de aplicações compostas por diversos módulos interdependentes e fracamente acoplados. A tecnologia de NFV (Network Function Virtualization) é um paradigma inovador que busca melhorar a flexibilidade e a eficiência dos serviços de rede. O NVF pode ser alocado dentro de contêineres que se comunicam em uma arquitetura de microsserviços. A NFV se concentra na virtualização de funções de rede, permitindo que sejam executadas em hardware genérico, o que separa software e hardware e permite mais implementações ágeis e escaláveis. Através da NFV surge a SFC (Service Function Chain), que consiste em uma sequência de VNFs (Virtual Network Functions), como gateways, firewalls e roteadores, organizados de maneira ordenada. No entanto, um desafio crítico enfrentado pelo SFC é a sua sensibilidade à latência: o atraso aumenta à medida que a cadeia de VNFs aumenta, o que pode comprometer a qualidade do serviço. Minimizar esta latência é crucial para garantir a eficiência dos sistemas SFC. Além disso, as arquiteturas de microsserviços podem resultar em grandes custos de energia para alcançarem os níveis necessários de desempenho e disponibilidade. Este estudo visa o planejamento de arquiteturas SFC energicamente eficientes, utilizando modelos analíticos, como Redes de Petri Estocásticas, para avaliar o desempenho de diferentes arquiteturas. A otimização de SFC aplicadas a microsserviços é fundamental para garantir a eficiência dos serviços. O objetivo é auxiliar administradores a planejar e avaliar sistemas SFC com microsserviços, focando em desempenho e eficiência energética. Além disso, uma revisão sistemática é realizada sobre o consumo energético em arquiteturas de microsserviços, identificando lacunas de pesquisa e tendências na área.

A classificação hiperespectral de áreas agrícolas enfrenta desafios significativos devido à complexidade dos dados espectrais e à necessidade de precisão na distinção entre diferentes tipos de culturas e variações de solo. Para superar esses desafios, esta dissertação propõe uma abordagem híbrida que integra Redes Neurais Convolucionais (CNNs) para aprimorar a classificação e o mapeamento de imagens hiperespectrais em atividades agrícolas. O modelo proposto combina arquiteturas convolucionais bidimensionais (2D-CNN) e tridimensionais (3D-CNN), onde as camadas 3D-CNN processam inicialmente as imagens hiperespectrais para extrair características espectrais detalhadas, considerando a correlação entre bandas espectrais adjacentes. Em seguida, uma camada 2D-CNN captura detalhes espaciais, facilitando a distinção entre variações sutis no terreno. Como resultado, a abordagem foi testada em várias bases de dados hiperespectrais, incluindo WHU-Hi-LongKou, HanChuan, HongHu, University of Pavia, Salinas, Indian Pines, KSC e Botswana, com a quantidade de bandas variando de 103 a 274. A proposta alcançou acurácia global (OA) entre 99,90% e 100%, recall de até 100% e F1-score de até 100%, confirmando a eficácia e robustez do modelo. Este estudo contribui significativamente para o avanço na classificação hiperespectral e fornece informações importantes para o monitoramento eficiente e a gestão de recursos agrícolas. A performance do modelo indica potenciais aplicações em larga escala na agricultura.

A variedade de tipos de sensores para monitoramento de saúde ajuda na tomada de decisão por profissionais da área. Para determinados quadros clínicos é interessante o monitoramento da saúde do paciente pós-alta. Dispositivos vestíveis de monitoramento de saúde (como smartwatches) podem ser utilizados para enviar dados para o hospital. No entanto, para o monitoramento de inúmeros pacientes (externos e internos), é necessária uma infraestrutura computacional resiliente, de alta disponibilidade e de alto desempenho. Tais características exigem equipamentos de alto custo monetário. Para planejar tal infraestrutura, esta dissertação apresenta um modelo SPN (Stochastic Petri Network) para avaliação de desempenho e disponibilidade de uma arquitetura de sistema hospitalar multicamadas (edge-fog-cloud). O modelo permite avaliar o tempo médio de resposta (MRT), nível de utilização de recursos (U) e probabilidade de perda de dados (DP). Uma característica bem específica é considerar duas fontes de dados (interna e externa). Este trabalho pode auxiliar administradores de data centers de hospitais a melhor planejar o uso de seus recursos.

Desde o início da era digital, a indústria de software tem enfrentado uma crescente e constante demanda por soluções tecnológicas sofisticadas. Esta demanda acelerada tem intensificado a busca por aprimoramentos na produtividade e eficiência do desenvolvimento. Ao longo dos anos, diversas estratégias e inovações têm sido propostas, desde a adoção da programação orientada a objetos até a implementação de Ambientes de Desenvolvimento Integrado (IDEs) e a incorporação de metodologias ágeis. Entre as propostas mais recentes e potencialmente transformadoras, destacam-se as plataformas de desenvolvimento low-code e no-code.
Diante deste cenário, o presente estudo se debruça sobre uma análise dessas plataformas emergentes, enfocando, sobretudo, nas alegações de melhoria substancial na produtividade. Para esse estudo, adoutou-se uma metodologia dividida em duas etapas. A primeira etapa consistiu em uma revisão de literatura multivocal, que engloba tanto fontes acadêmicas tradicionais, a literatura branca, quanto fontes informais e contemporâneas, a literatura cinza. Buscou-se, com isso, extrair o máximo de informações sobre os benefícios e desafios dessas plataformas, enriquecendo os achados literários. Na segunda etapa, analisou-se na prática os achados da revisão literária, realizando um estudo de caso empírico, através do desenvolvimento de um protótipo, que promove a coleta seletiva de lixo, constituído de três perfis (Coletor, Produtor e Reciclador), e desenvolvido utilizando as plataformas OutSystems e Bubble. Objetivou-se correlacionar teoria e prática e proporcionar uma análise abrangente.
Como resultados do estudo, foi possível observar uma série de vantagens e desafios associados ao uso dessas plataformas. Entre as vantagens, destacam-se a abstração de código, a automatização de tarefas repetitivas, a reutilização de componentes e a simplificação da colaboração entre os membros da equipe de desenvolvimento. Também foram identificados desafios, como a dependência de plataforma, requisitos de conhecimento técnico, funcionalidades limitadas e preocupações com segurança de dados.

Com o aumento no volume de dados gerados pelos sistemas de informação educacionais,
a Mineração de Dados se tornou uma abordagem promissora de investigação sobre importantes
causas educacionais, como a evasão nos mais diversos níveis de ensino, em
especial o ensino superior. Segundo Hipolito (2023), mais de 2,3 milhões de alunos aptos a
matricular-se em disciplinas em 2021 abandonaram o ensino superior, de acordo com o
censo mais recente da educação superior, resultando em um prejuízo financeiro superior a
R$ 23 bilhões. Neste estudo de Mineração de Dados Educacionais (MDE), desenvolvemos
modelos de classificação com aprendizado supervisionado e cinco abordagens com métodos
Ensembles aplicadas a dados reais coletados de uma Instituição Federal de Ensino Superior.
No primeiro cenário, criamos modelos do tipo Bagging utilizando a estratégia de Janelas
Semestrais na construção dos conjuntos de dados envolvidos. No segundo cenário, além da
abordagem de Janelas Semestrais (Nível Período), criamos conjuntos de dados em outros
dois níveis adicionais (Curso e Instituição) e combinamos os modelos gerados (cada um
associado a um conjunto de dados de nível distinto) por meio de técnicas de Ensemble
Stacking. A combinação das abordagens formando modelos Stacking com as predições dos
modelos Bagging resultou em um maior nível de robustez e na maximização dos resultados
(mensurados por Acurácia e MCC) mesmo com o uso de um único algoritimo por modelo,
ao explorar a diversidade nos diferentes níveis de dados.

O crime de falsificação de moeda é muito comum no Brasil e no mundo, sendo responsável pelo volume de quase 28,78 milhões de reais falsificados em 2022. Essa modalidade de crime, prevista no código penal, afeta, além da população em geral, as pessoas com deficiência visual. De acordo com a Organização Mundial de Saúde (OMS), em 2022, a população de pessoas com deficiência visual representa cerca de 2,2 bilhões de pessoas no mundo. Essas pessoas podem se achar desamparadas, uma vez que as limitações acometidas pela deficiência visual dificultam a identificação dos elementos de segurança contidas em uma cédula monetária verdadeira. Por essa razão, uma Tecnologia Assistiva (TA), que são produtos ou equipamentos que visam auxiliar as pessoas com deficiência em suas tarefas diárias, relacionada ao reconhecimento de cédula falsa deveria ser desenvolvida, a fim de auxiliar essas pessoas no seu cotidiano. Por essa razão, o objetivo deste trabalho é o desenvolvimento de uma abordagem em visão computacional para o reconhecimento de cédulas monetárias falsas, com resultados superiores ou equiparados à outras abordagens do estado da arte. Para isso, foi necessário o desenvolvimento de um conjunto de dados de imagens de cédulas brasileiras (cédulas de Real). Tal conjunto de dados é bastante desafiador, visto que as imagens para teste simulam uma pessoa com deficiência visual capturando fotografias da cédula. Por exemplo, as imagens de teste aparecem dobradas, com oclusões parciais em virtude do dedo do fotografo que cobre boa parte da cédula. O fundo das imagens são repletos de informações desnecessárias, variação de iluminação, entre outros. Memos assim, para esse novo conjunto de dados, foram obtidos resultados que alcançaram 97,1% de acurácia, 100% de precisão, 100% de especificidade, 94,52% de recall e 97,18% de F1-score, por meio de uma abordagem holística que utiliza para extração de características CNN/RESNET50 e classifica com SVM. Por fim, novos trabalhos serão necessários para expandir o conjunto de dados atual, com cédulas falsas capturadas de cenários reais, e aplicar novos modelos de transferência de aprendizagem.

Neste trabalho de mestrado se deseja auxiliar pessoas com deficiência visual na administração de Formas Farmacêuticas Sólidas (FFS). O seu objetivo principal é desenvolver uma abordagem em visão computacional ao reconhecimento de FFS, compreendendo comprimidos, drágeas e cápsulas, com resultados superiores ou equiparados ao estado da arte em reconhecimento de FFS, e que possa ser utilizada por um sistema wearable. Um sistema wearable munido com tal abordagem, ajudaria uma pessoa com deficiência visual a tomar o medicamento correto, sem ajuda de terceiros, tornando-a mais independente e melhorando a sua qualidade e expectativa de vida. Isso evitaria que a pessoa com deficiência visual tomasse algum medicamento errado, o que poderia causar prejuízos à saúde dela. Para alcançar esse objetivo foi realizada uma revisão sistemática da literatura para definir e analisar o estado da arte sobre o tema. Foram verificados diversos trabalhos relacionados ao tema, o que proporcionou um acervo bastante consistente para o desenvolvimento da abordagem proposta. O conjunto de dados da National Library of Medicine (NLM) foi utilizado como fonte de dados, possibilitando o desenvolvimento desta pesquisa. Foram desenvolvidas duas abordagens utilizando classificadores de aprendizado supervisionado e redes neurais convolucionais (CNNs) para transferência de aprendizado. A abordagem que utilizou a própria CNN EfficientNetB7 como classificador, juntamente com o uso da técnica de aumento de dados, obteve os melhores resultados no reconhecimento de FFS, com taxas de acurácia maiores que 92%. Além disso, essa abordagem demonstrou robustez perante a quatro cenários metodológicos diferentes, chegando, em um desses cenários, à uma taxa de de acurácia média superior a 98%.

O número de pessoas com transtorno do espectro autista (TEA) vem aumentando significativamente. Em decorrência disso, somado a fatores socioeconômicos, o acesso ao tratamento precoce tem se tornado restrito, reduzindo os potenciais ganhos advindos dessa intervenção e aumentando os gastos familiares e sociais em decorrência de intervenções tardias. Alternativas viáveis para contornar problemas relacionados ao TEA nesse contexto, podem residir em soluções computacionais móveis pelo seu caráter acessível. Em observância a isso, este trabalho propõe uma solução para auxílio ao pré-diagnóstico do TEA de forma não invasiva e de baixo custo. Para tanto, apoia-se em técnicas e conceitos de aprendizado de máquina (AM), mais especificamente de aprendizado profundo, para a geração de modelos que possam apoiar a implementação de soluções computacionais móveis. Assim, foram avaliadas neste trabalho, 5 arquiteturas de redes neurais convolucionais (CNN) no treinamento de modelos para classificação binária do TEA, utilizando como entrada imagens bidimensionais estáticas. Trabalhos semelhantes analisados na literatura utilizam tipos de imagens que inviabilizam sua utilização massiva em decorrência da necessidade de equipamentos específicos e nem sempre acessíveis, além de invasivos, comprometendo a espontaneidade nos resultados. Destarte, há poucos sistemas de diagnóstico do autismo desenvolvidos que possam de fato ser usados na prática. Dentre as 5 arquiteturas CNNs utilizadas, destacaram-se a MobileNet e a DenseNet201. Os resultados obtidos a partir delas nestas avaliações preliminares, atingiram, nos melhores casos, a média de 90,7 % de acurácia com cada uma dessas 2 arquiteturas, e desvio padrão de 0,68 % e 1,64 %, respectivamente. Resultados de execuções individuais chegaram nos melhores casos a 93,5 % de acurácia com a DenseNet201. Em experimentos complementares, com participantes diagnosticados com TEA, realizados com o apoio de um estabelecimento de saúde, a ResNet50V2 atingiu em execuções individuais o melhor resultado (83,3 %). Outro ponto em aberto na literatura que o presente trabalho busca avaliar é o tamanho dos modelos gerados. Essa questão ganha relevância no contexto dos dispositivos embarcados ou móveis, uma vez que estes dispositivos possuem maiores limitações em termos de hardware.

A licitação é o processo administrativo em que um órgão público oferta às empresas interessadas a oportunidade de efetuarem propostas para a realização de serviços ou compra de um ou mais produtos para este ente e escolhe dentre elas a que melhor supre o que é pedido, respeitando critérios definidos em lei. O Tribunal de Contas do Estado do Piauí é um dos órgãos públicos de controle externo, responsável pela fiscalização contábil, financeira e orçamentária de outros órgãos e entidades do estado do Piauí. Os auditores do TCE/PI têm dificuldade em examinar todos os procedimentos licitatórios publicados antes da efetivação e gasto financeiro dos envolvidos. Este trabalho tem como objetivo descobrir antecipadamente ou durante a execução dos procedimentos licitatórios, um rótulo de risco que facilite sua fiscalização. Portanto pretende-se definir a criação de um modelo de decisão baseada em aprendizagem de máquina em conjunto com técnicas de processamento de linguagem natural, para tratamento de atributos textuais e descritivos, aplicado aos procedimentos licitatórios publicados no Tribunal de Contas do Estado do Piauí, melhorando as técnicas de fiscalizações dos Tribunais de Contas a partir de dados públicos das próprias licitações publicadas no órgão, e informações de análises anteriores de auditores. Os modelos desenvolvidos utilizaram os algoritmos J48, RandomForest e Redes Neurais Multicamadas (MLP) e obtiveram acurácias médias até 81%, com destaque ao algoritmo de RandomForest, responsável por obter acurácia máxima de 82%.

O rastreamento ocular é um procedimento que busca identificar para onde uma pessoa está olhando, como também analisar processos cognitivos. Com a evolução dos estudos sobre rastreamento ocular, surgiu o rastreamento ocular por vídeo, método não intrusivo e que requer tão somente de um dispositivo (computador, tablet, smartphone etc) com uma câmera e um software para a execução do rastreamento. Esse tipo de rastreamento não faz uso de led infravermelho (IR) e por isso necessita de uma luminosidade adequada no ambiente para estimar o movimento do olhar com precisão. De posse de uma metodologia de detecção da região de interesse usando rastreamento ocular e diante da carência de luminosidade, motivou-se em estudar as possibilidades de mitigar tal problema. A primeira investida em busca de um solução se deu em fazer uso de técnicas de processamento e aprimoramento das imagens obtidas em ambiente com pouca luminosidade, poŕem os resultados revelaram ser desvantajoso a realização do tratamento das imagens. Em seguida, em uma nova intervenção verificou-se a influência do nível de luminosidade com um luxímetro no momento da captura das imagens. Já com essa segunda intervenção, os resultados apontaram o fator luminosidade como um ponto crucial para o rastreamento ocular eficiente.

Segundo a Organização Mundial de Saúde (OMS), as doenças crônicas não transmissíveis matam 7 em cada 10 pessoas em todo mundo. O monitoramento e tratamento dessas doenças requer o deslocamento frequente dos pacientes aos hospitais e centros de saúde, muitas vezes bem distantes de suas residências, causando aumento nas suas despesas financeiras, dos sistemas de saúde governamentais, planos de saúde, dentre outros. Dentre essas doenças crônicas monitoráveis as cardíacas são a maior causa de mortes e invalidez dos últimos 20 anos, havendo claramente a necessidade de ações focadas na prevenção e no tratamento. Neste contexto, os avanços nos sensores vestíveis e nos protocolos de comunicação contribuem de forma direta no apoio à saúde. Movido por essa demanda, o presente trabalho tem como objetivo estudar e analisar a performance de um sistema que utiliza componentes de Internet das Coisas (Internet of Things - IoT) para o monitoramento remoto de doenças crônicas, em especial doenças cardiovasculares, com coleta e processamento de dados de eletrocardiograma (ECG). Utilizou-se para transmissão desses dados a tecnologia Long-Range (LoRa) sob o protocolo LoRaWAN. Nesse estudo foram observados os dados lidos pelos sensores, tratados de forma a serem transmitidos para os gateways de maneira correta levando-se em consideração parâmetros como distância entre nós (sensores) e o gateway, relevo do ambiente e fatores de espalhamento (SF). Como figuras de mérito, verificou-se os parâmetros de rede como o indicador de força do sinal recebido (RSSI), latência e relação sinal-ruído (SNR) em cenários reais com características urbanas (domésticas e hospitalares) e rurais e analisou-se o comportamento nestes cenários. Com a utilização desses dados fornecidos pela rede, foi idealizado e implementado um sistema de Inferência Fuzzy com o objetivo de otimizar o consumo de bateria do sistema. Os resultados obtidos mostraram que cada cenário tem suas particularidades e no caso dos testes feitos em ambiente urbano/doméstico os SF7 e SF8 se comportaram melhor em distâncias de até 30 metros com obstáculos. Já em ambiente urbano/hospitalar o melhor resultado foi com SF10, alcançando até 120 metros, com obstáculos, realizando a coleta de pacotes de rede. No cenário rural, utilizou-se o SF12, com alcance de transmissão de até 400 metros. A contribuição do estudo vai da abordagem direta e medições feitas em diferentes ambientes urbano e rural, bem como a automatização dos tempos de coleta de dados e transmissão via rede de acordo com o sistema Fuzzy proposto e modelado, aumentando o tempo de vida útil da bateria, tornando assim um processo mais dinâmico e independente da interferência humana.

A importância da função glomerular na fisiologia renal e o fato de suas lesões afetarem outros segmentos do néfron caracterizam as enfermidades glomerulares, como um dos principais problemas em Nefrologia nos dias de hoje. No Brasil, as glomerulopatias são uma das causas mais comuns de falência renal e responsáveis por cerca de 27% dos transplantes. Desta forma, encontrar e classificar lesões glomerulares são etapas fundamentais para o diagnóstico de muitas doenças renais e que contam com a experiência de um nefropatologista. Além disso, muitos fatores como fadiga e trabalho repetitivo inerentes à profissão podem conduzir a um diagnóstico errado. Por outro lado a Aprendizagem de Máquina se apresenta como importante ferramenta devido à sua capacidade de simular o conhecimento de um especialista a partir de experiências passadas, por isso, vêm sendo utilizada com sucesso na resolução de muitos problemas complexos. Tendo isso em vista, este trabalho realiza um estudo comparativo entre os algoritmos de Aprendizagem de Máquina Árvore de Decisão, SVM, Random Forest e MLP a fim de propor um modelo de classificador que auxilie o profissional especialista na definição de um diagnóstico de patologia renal. Concomitante ao estudo comparativo entre os classificadores, este trabalho também analisa 6 descritores de textura das imagens, cuja combinação de 1 ou mais desses descritores será adicionada aos dados clínicos correspondentes à cada imagem e juntos servirão como entrada de um classificador. Além disso, outro conjunto híbrido de dados clínicos com deep features foram testados, ao todo foram testadas 5 redes pré-treinadas. Os melhores resultados que obtivemos foi quando concatenamos os recursos de DC e HOG, que resultou em um excelente índice Kappa e acurácia de 98,46% e quando concatenamos DC e MobileNet, obtivemos índice Kappa excelente e acurácia de 95,38%.

Identificar semelhanças nos dados que não foram rotulados, classificados ou categorizados é uma das funções do aprendizado não supervisionado. O agrupamento (do inglês clustering) é uma técnica que permite dividir automaticamente o conjunto de dados de acordo com uma similaridade. A grande vantagem do uso das técnicas de agrupamento é que, ao agrupar dados similares, pode-se descrever de forma mais eficiente e eficaz as características peculiares de cada um dos grupos identificados. Dessa forma, este trabalho tem como objetivo a interpretação desses grupos através de rótulos. O rótulo é um conjunto de valores relevantes que representam uma definição para um grupo. Esta abordagem utilizou técnicas com aprendizagem de máquina não supervisionada, aplicação dos filtros de ganho de informação através da seleção de atributos e um modelo de discretização. Na metodologia proposta foi aplicado o algoritmo não supervisionado para formação dos grupos e diferentes filtros de seleção de atributos para expor a relevância dos atributos e comparar o funcionamento deles. Também, para contribuir no processo de rotulação foi utilizado um método de discretização auxiliando no cálculo da variação de valores dos dados. O modelo proposto foi aplicado na rotulação das bases de dados disponíveis no repositório UCI, sendo elas, Íris, Seeds, Wine e Glass. Obtendo-se uma taxa de acerto média de 83.66% com desvio padrão médio de 4.98.

Diante das mudanças ocasionadas nos mercados competitivos de eletricidade, várias estruturas de mercados foram propostas para promover concorrência com vistas a se obter energia elétrica, e uma delas foram os mercados de leilão de compra/venda de energia. Os leilões de energia referem-se aos negócios realizados para contratar energia, porém a implantação de novas linhas de transmissão e a realização dessas transações exigem a definição de regras sobre tarifas, segurança e qualidade dos serviços entre os agentes envolvidos, desde preços acessíveis aos consumidores como clareza nas negociações entre geradoras e concessionárias. Portanto, este trabalho propõe um modelo de fluxo
de potência ótimo com restrição de estabilidade/segurança de tensão (VSCOPF) e sua estrutura de resolução. Nesta modelagem, o problema externo é um sistema de leilão de fluxo de potência ótimo com estabilidade/segurança de tensão de período único, cuja restrição de estabilidade de tensão depende dos limites de estabilidade/restrições de segurança determinados pelo problema interno formulado como um problema de máximo carregamento de sistema de potência. A estrutura da solução é baseada na aplicação do algoritmo Particle Swarm Optimization (PSO) para resolução do sistema de leilão,
além da solução do problema de máximo carregamento pelo Fluxo de Carga Continuado respeitando restrições de magnitudes de tensão e geração de energia reativa e utilizando o método de penalidades. Pretende-se, desta forma, garantir condições mínimas de segurança adequadas ao sistema e preços de energia adequados a todos os participantes. Experimentos com um sistema IEEE de 6 barras e estudos de casos foram realizados para validar a proposta e mostrar a eficácia da aplicação desta abordagem para aquisição de energia no mercado de eletricidade, aplicando o PSO e o Fluxo de Carga Continuado.

Os softwares evoluem e essa evolução envolve modificações no código de produção do projeto de software para a realização de alterações de correções ou de melhorias, como correções de \textit{bugs}, melhorias de desempenho ou novas funcionalidades. Essas alterações de código de produção visando a qualidade do software devem ser acompanhadas da co-evolução de outros artefatos, como requisitos, documentação e, principalmente, teste. A realização de teste é uma prática altamente recomendada pela Engenharia de Software e sua presença é um dos fatores que afetam a qualidade do software. Contudo, não existem evidências de que a co-evolução de testes seja uma prática comum em ambiente de desenvolvimentos de software.
Nesse contexto, este trabalho busca investigar o comportamento da co-evolução de teste em atividades de manutenção e desenvolvimento de software. Diferentemente de trabalhos anteriores, neste trabalho é realizada a análise de repositórios em múltiplas linguagens de programação (JavaScript, Java, Python, PHP e Ruby) e não apenas na linguagem Java, como a maioria. O trabalho também utiliza a distribuição de proporção de teste para classificar os repositórios com co-evolução de teste e realiza a análise da distribuição de atividades corretivas com o objetivo de analisar a influência da co-evolução de teste na manutenção de projetos de software. A abordagem adotada utiliza técnicas de Mineração de Repositório de Software (MRS), como também técnicas de clusterização para analisar a influência da co-evolução em atividades de manutenção em projetos de software. Com os resultados encontrados é possível visualizar o quão comum é a co-evolução de teste dos repositórios e pode-se indentificar quais indicadores de repositórios de software são influenciados de forma positiva pela co-evolução

Edifícios inteligentes nas grandes cidades estão hoje equipados com uma infraestrutura de Internet das Coisas (IoT) para permitir o monitoramento constante de diferentes aspectos do dia a dia das pessoas por meio de dispositivos IoT e redes de sensores. O mau funcionamento e a baixa qualidade de serviço (QoS) de tais dispositivos e redes podem causar sérios danos à propriedade e talvez morte de pessoas. Portanto, é de suma importância quantificar diferentes métricas relacionadas ao desempenho operacional dos sistemas que compõem tal arquitetura computacional, mesmo antes da construção do edifício. Estudos anteriores usaram modelos analíticos considerando diferentes aspectos para avaliar o desempenho de sistemas de monitoramento de edifícios. No entanto, alguns pontos críticos ainda faltam na literatura, como (i) analisar a capacidade dos recursos computacionais adequados à demanda de dados, ii) representação do número de núcleos por máquina e iii) o agrupamento de sensores por localização. Este trabalho propõe um modelo de rede de filas para avaliar o desempenho de uma infraestrutura de edifício inteligente associada a múltiplas camadas de processamento: borda e névoa. Uma análise de sensibilidade abrangente do modelo foi realizada usando o método Design of Experiments (DoE) para identificar gargalos na proposta. Uma série de estudos de caso foi realizada com base nos resultados do DoE. Os resultados do DoE permitiram concluir, por exemplo, que o número de nós pode ter mais impacto no tempo de resposta do que o número de núcleos desses nós. As análises numéricas permitem observar o comportamento das seguintes métricas: tempo médio de resposta, taxa de utilização de recursos, throughput, taxa de descarte e número de mensagens no sistema. Essas análises mostram que a taxa de chegada e o número de recursos disponíveis na névoa podem ser muito influentes no desempenho da rede. O modelo proposto e as análises realizadas podem ajudar os projetistas de sistemas a otimizar suas arquiteturas computacionais antes mesmo da construção do edifício.

A comunicação é uma habilidade fundamental para que o ser humano possa se desenvolver e conviver em sociedade. Diversos acontecimentos ao longo da vida podem ocasionar deficiências que impedem ou prejudicam a comunicação pela fala. Apesar de existir alternativas soluções para apoiar a Comunicação Aumentativa e Alternativa (CAA), a maior parte não atende inteiramente pessoas com dificuldade de fala e função motora reduzida. Diante disso, a aplicação Eye Voice é proposta no âmbito desta qualificação deMestrado. O Eye Voice é uma aplicação que auxilia a CAA de pessoas sem capacidade de comunicação por fala ou gestos. O Eye Voice proporciona a inserção de seus usuários nos mais comuns contextos comunicativos funcionais de forma simples e objetiva, por meio de rastreamento ocular. Na primeira fase deste trabalho de mestrado foi realizada uma revisão sistemática da literatura que apresentou as deficiências das soluções encontradas para atender o público-alvo deste trabalho. O Eye Voice foi avaliado ao ser utilizado por pessoas acamadas com necessidades complexas de comunicação (sem fala e com deficiência motora) e com pessoas saudáveis, simulando as características de pessoas acamadas sem possibilidades de comunicação por fala e gestos. A avaliação foi realizada com 6 participantes (usuários), 1 profissional da saúde e 2 responsáveis de 2 participantes.De acordo com a comunicação estabelecida na avaliação e das respostas obtidas (a partir do questionário aplicado no experimento) a solução proposta foi avaliada positivamente. Os resultados mostraram que o Eye Voice é uma aplicação simples, objetiva, fácil de utilizar e proporciona aos seus usuários uma alternativa para realizar uma comunicação por meio de rastreamento ocular.

O aumento da população mundial vem demandando cada vez mais um crescimento na produção de alimentos, gerando uma necessidade de expansão da produção agrícola. Pesquisas envolvendo agricultura inteligente em inglês Smart Farming e o crescimento de tecnologias usando Internet das Coisas em inglês Internet of Things (IoT) veem contribuindo de maneira significativa para a viabilidade de crescimento da produtividade desse setor. O objetivo central do uso dessas tecnologias é coletar, monitorar e empregar efetivamente dados relevantes para os processos agrícolas, como forma de alcançar uma agricultura otimizada em ambiente sustentável. Neste contexto, as redes de sensores sem fio estão sendo utilizadas cada vez mais em diversos tipos de sistemas voltados para cenários Smart Farming. Entre os protocolos de comunicação utilizados por esses sistemas, a tecnologia de longo alcance LoRa destaca-se em razão de suportar transmissões em distâncias muito maiores que os demais, demandando pouca energia. Dessa forma, este trabalho propõe um estudo, comparação e análise das arquiteturas de redes LoRaWAN e LoRaMesh (com equipamentos Radioenge), bem como a hibridização dessas tecnologias em um ambiente agrícola, mais precisamente no Centro de Ciências Agrárias (CCA) da Universidade Federal do Piauí (UFPI), Teresina, Piauí, Brasil. A metodologia proposta consiste na implementação das tecnologias em cenário real e no estudo e analise dos parâmetros de rede utilizando módulos LoRaWAN e LoRaMesh adquiridos junto a empresa Radienge. A avaliação de desempenho foi realizada com base em medições de um cenário real Non-Line-Of-Sight (NLOS), ou seja, cenário sem visada entre os dispositivos. Nesta avaliação, fatores como distância entre nós e diferentes fatores de espalhamento em inglês Spreading Factor (SF) foram considerados. Indicação de intensidade do sinal recebido em inglês Indication of Received Signal Strength (RSSI), Relação Sinal-Ruído em inglês Signal to Noise Ratio (SNR) e taxa de perda de pacotes são as métricas de avaliação consideradas neste estudo. Ainda neste contexto, foi desenvolvido um sistema Fuzzy para auxiliar na tomada de decisão do plano de implantação da infraestrutura de comunicação da IoT para troca efetiva de informações entre dispositivos (sensores, atuadores, controladores, entre outros) no cenário Smart Farming. O sistema oferece grande potencial para auxiliar os gestores na escolha da implementação entre as tecnologias LoRaWAN, LoRaMesh ou híbridas, além de permitir diversos benefícios no desenvolvimento local e na infraestrutura de comunicação.

Durante o processo de evolução de um software, é comum que desenvolvedores acumulem conhecimento em determinados arquivos de código fonte que o compõe. Esses desenvolvedores são responsáveis pelo maior número de contribuições no código desses arquivos, o que torna-os mais aptos entre os membros da equipe de desenvolvimento a realizarem futuras atividades que envolvam esses arquivos. Isso faz da identificação desses mantenedores de código uma informação importante nos ciclos de desenvolvimento de software. Essa informação pode ser utilizada em atividades como: implementação de novas funcionalidades, manutenção de código, assistência a novos membros da equipe, revisão de código, entre outros contextos da produção de software de qualidade. Porém, a identificação desses mantenedores de arquivo nem sempre é uma tarefa trivial, principalmente em projetos grandes onde um arquivo pode ter dezenas ou mesmo centenas de contribuidores durante sua história. Desse contexto surge a necessidade da criação de técnicas cada vez mais eficazes na identificação automática desses mantenedores. Há estudos na literatura que têm como objetivo propor técnicas que utilizam de mineração de repositório de software para ajudar na identificação de mantenedores de arquivos. Porém, acredita-se que ainda há lacunas nesta área de estudo que podem ser exploradas. Em trabalhos anteriores, foi identificado que informações como recência das modificações e o tamanho do arquivo em questão influenciam no conhecimento que determinado desenvolvedor tem com aquele arquivo. Neste trabalho, essas e outras informações extraídas do histórico de desenvolvimento foram combinadas em um modelo linear, e em classificadores de aprendizagem de máquina, para a identificação de mantenedores de arquivo. Essas novas técnicas foram comparadas com outras quatro existentes na literatura: (1) número de commits; (2) número de linhas adicionadas por um desenvolvedor na última versão do arquivo; (3 e 4) dois modelos lineares propostos em trabalhos da área. Foram utilizadas as métricas Recall, Precision e F-Measure para avaliar as performances das técnicas em dois cenários. Os resultados mostram que os modelos propostos apresentam os melhores F-Measures nos cenários analisados, com os classificadores de aprendizagem de máquina atingindo os melhores Precisions. A partir dos resultados obtidos, conclui-se que a definição da melhor técnica depende do contexto da aplicação destas técnicas.

Em busca de resolver problemas no Sistema Elétrico de Potência (SEP) relacionados ao consumo de exacerbado e descontrolado da energia por meio dos consumidores finais como residências, condomínios, prédios públicos e indústrias, as Concessionárias de Energia Elétria (CEE) estão cada vez mais em busca de novas Tecnologias de Informação e Comunicação (TICs) para transformar as redes de distribuição de energia elétrica tradicionais
em Redes Inteligentes (em inglês, Smart Grids - SG). Com esta implementação, as CEE conseguirão controlar de forma remota o consumo de energia elétrica bem como monitorar os dados gerados pelos Medidores Inteligentes (em inglês, Smart Meter - SM). Contudo, as tecnologias de Internet das Coisas (em inglês, Internet of Things - IoT) irão possibilitar isso tudo possa acontecer de forma rápida e de baixo custo, por serem dispositivos de baixo
custo capazes de serem aderidos de forma rápida e escalar nestes cenários. Pesando nisso, este trabalho tem como objetivo estudar e propor uma infraestrutura de comunicação híbrida utilizando dipositivos de IoT como o LoRa (em inglês, Long Range, Longo Alcance) para prover uma Infraestrutura de Medição Avançada (em inglês, Advanced Metering Infrastructure - AMI) capaz de efetuar todas esstas aplicações como serviço oferecidos pela CEE para os consumidores finais. Adicionalmente, serviços como Gerenciamento Pelo Lado da Demanda (em inglês, Demand-side management - DSMaaS) poderão ser utilizados nesta infraestrutura. Dos resultados preliminares verificou-se que a rede LoRaWAN conseguiu um alcance de até 2,35km de distância e o LoRaMESH de 600m, assim, este é mais indicado para cenários onde se tem pouca interferência e os SMs estão em distâncias longas enquanto que o outro utilizado para cenários com maior aglomeração de SMs próximos. Considerando o cenário hibridizado entre LoraWAN e LoRaMESH, verifica-se que as possibilidades de implementação aumenta, visto que seu alcance foi de aproximadamente 3km considerando apenas um salto e podendo chegar a 1023 saltos na rede mesh. Dessa forma, foi possível propor a implementação real dos protocolos LoRaWAN e LoRaMESH bem como a hibridização dos dois protocolos para o DSMaaS.

O Melhoramento genético animal (MGA) é promovido através da seleção de indivíduos com genética superiores para que sejam os pais da futura geração. Uma etapa fundamental do MGA é a avaliação genética, isto é, a identificação dos indivíduos com valores genéticos favoráveis para determinada característica. Atualmente, a metodologia que tem maior destaque para avaliação genética é o Best Linear Unbiased Prediction (BLUP). Essa metodologia possui uma série de procedimentos estatísticos com o objetivo de estimar simultaneamente efeitos ambientais e genéticos. Contudo, a aplicação e resolução desse método demandam um custo computacional elevado por se tratar de um sistema de equações lineares. Nesse cenário, o objetivo deste trabalho é uma abordagem que usa Redes Neurais Artificiais (RNA) para predizer o mérito genético animal. Os resultados obtidos demonstram que a RNA teve bons resultados para predição do mérito genético animal, que obteve resultados como Mean Squared Error (MSE) de 0.26, Mean Absolut Error (MAE) de 0.4 e correlação de Pearson de 0.81 com base no BLUP esperado. A abordagem proposta tem potencial para auxiliar os produtores na tomada de decisão quando deparados com a identificação e seleção de animais com potencial genético superior para as características de importância econômica em sistemas de produção de carne de pequenos ruminantes.

O Fluxo de Potência Ótimo (FPO) desempenha um papel fundamental para o planejamento e operação de sistemas elétricos de potência. No entanto, alguns aspectos práticos da utilização das soluções encontradas pela resolução do FPO permanecem em aberto. A maioria dos trabalhos encontrados na literatura foca em calcular o ponto de operação ótima da rede, não fornecendo aos operadores do sistema uma sequência adequada de ajustes de controle para conduzir o sistema a tal ponto de operação. Nesse contexto, este trabalho visa a proposição de uma abordagem para definir sequências de ajustes de controle, os quais são determinados pela resolução do problema de despacho ótimo reativo, através de análise de sensibilidade dos multiplicadores de Lagrange. Esta abordagem é metodologicamente fundamentada na reformulação do problema de FPO em termos de ajustes de controle ótimo em vez de valores de controle ótimo e em resoluções do problema dual associado ao problema reformulado para determinar os multiplicadores de Lagrange ao longo do caminho do ponto de operação inicial para o ótimo. A cada iteração da abordagem proposta, os multiplicadores de Lagrange associados a cada ajuste de controle são determinados pela resolução de um sistema de equações algébricas derivadas das condições de otimalidade necessárias de Karush-Kuhn-Tucker. A análise de sensibilidade é realizada por meio da ponderação dos multiplicadores de Lagrange pela magnitude dos ajustes de controle, indicando qual ajuste de controle deve ser realizado por vez. O processo iterativo continua até que todos os ajustes tenham sido efetivados. Para validar esta proposta, foram realizados experimentos com os sistemas de teste IEEE de 14, 30, 57, 118 e 300 barras. Os resultados obtidos comprovam a robustez da abordagem, dada a qualidade das soluções e o baixo tempo computacional encontrados.

As soluções tecnológicas estão cada vez mais presentes no cotidiano dos ambientes corporativos. Essas soluções auxiliam em diversas atividades que são de suma importância para seus funcionários, clientes e parceiros. Entretanto, conforme as demandas crescem, aumentam a complexidade das necessidades empresariais, e com isso, os sistemas tecnológicos necessitam de evolução para manter o padrão de qualidade dos serviços. Nesse sentido, a integração entre sistemas é uma alternativa para auxiliar nesse cenário evolutivo, possibilitando o compartilhamento de recursos entre sistemas diferentes, contemplando a interoperabilidade, reduzindo as redundâncias indesejadas e eliminando os gargalos e incompatibilidades. Para padronizar a comunicação e serviços, viabilizando a troca de mensagens entre sistemas heterogêneos, potencializando a reutilização, e simplificando o processo de integração entre software, que surgiram os Web Services. Contudo, apesar das vantagens e benefícios, existem algumas dificuldades inerentes a realização de integração, que são: o esforço gasto para o desenvolvimento, o processo de integração com Sistemas Legados, os riscos associados as modificações em softwares e a integração com softwares desenvolvido por terceiros. Por conta disso, propõe-se uma abordagem e uma ferramenta, intitulada MiD, para contornar tais dificuldades inerentes a construção de Web Services. O objetivo do MiD é simplifica o desenvolvimento de Web Services para integração entre sistemas Web, possibilitando a realização da integração sem necessidade de acesso ao código-fonte do sistema alvo, de maneira não invasiva, independente da tecnologia e com baixo custo relacionado ao desenvolvimento e manutenção. Foi realizada uma avaliação para investigar os benefícios da utilização do MiD em um projeto real de integração. Os resultados preliminares concluíram que, para o contexto utilizada na conjuntura avaliativa, o MiD tem potencial para reduzir o esforço no desenvolvimento de Web Services para integração.

O clustering (agrupamento de dados) por métodos não-supervisionados é uma área de pesquisa relevante em Aprendizado de Máquina. O objetivo do clustering é agrupar os objetos de um conjunto de dados de modo que cada grupo seja constituído por aqueles similares, que possuem características que os tornam agrupáveis e essas mesmas caracterís- ticas devem ser suficientes em distingui-los de outros grupos. Para que o clustering seja factível, a tarefa de interpretação dos grupos é necessária e diante disso surge o problema de rotulação. A rotulação automática resulta em tuplas compostas por atributos e suas respectivas faixas de valores. Cada cluster deve ter uma quantidade de tuplas capaz de fornecer uma identificação única para todos os objetos, de modo que sejam distinguíveis entre si por atributos representativos distintos ou faixas de valores diferentes para um mesmo atributo. Este trabalho apresenta um método não-supervisionado de rotulação de clusters que emprega o algoritmo de discretização CAIM (Class-Attribute Interdependency Maximization)a fim encontrar faixas de valores representativas nos atributos que serão relevantes para interpretação dos clusters. Nos atributos numéricos contínuos do conjunto de dados é utilizada uma discretização que considera o índice de interdependência entre estes atributos e os clusters formados na fase de agrupamento. Do processo de discretização dos atributos resultarão faixas de valores que serão analisadas e comparadas com os valores ocorrentes dos atributos em cada cluster, para determinar os atributos e faixas de valores representativas. Estes atributos e faixas de valores expressivos formarão o rótulo para cada cluster. O modelo proposto nessa pesquisa buscou obter um método que mitigasse as limitações observadas em outros trabalhos que propunham rotulação automática de clusters. Os testes resultam em uma acurácia média dos rótulos sugeridos de 98.03% considerando todas as bases de dados testadas. Estes rótulos são constituídos por poucos atributos e em muitos casos um atributo é suficiente para defini-los.

O equilíbrio da química interna de nossos corpos se deve ao trabalho dos rins. Nesses órgãos vitais se encontram os glomérulos que são pequenas estruturas responsáveis pela filtragem do sangue. Através da análise microscópica de biópsias renais os especialistas diagnosticam várias doenças e é no glomérulo que primariamente se observam alterações. Dentre as doenças que acometem os rins destacamos a Doença de Lesões Mínimas (DLM) sendo a causa da síndrome nefrótica em 90% dos pacientes infantis; e a Glomeruloesclerose Segmentar e Focal (GESF) sendo a causa principal da síndrome nefrótica nos pacientes adultos em vários países. Considerando que tratamentos inadequados podem conduzir à doenças renais crônicas, a identificação precisa dessas duas doenças é de suma importância, pois seus tratamentos e prognósticos são diferentes. A análise realizada por patologistas pode ser afetada por inúmeras situações como fadiga, subjetividade, pressa etc. nesse contexto estão os sistemas de diagnóstico auxiliado por computador (computer-aided diagnosis - CAD), que são imunes às condições citadas e servem de suporte ao especialista. Portanto, propomos um método capaz de diferenciar DLM e GESF através de imagens de exames patológicos. Em nossa abordagem caracterizamos a imagem por meio da extração de medidas geoestatísticas, informações de textura tradicionais e deep features de 4 redes neurais convolucionais. Ao todo 13.476 atributos foram avaliados. Foram testados ainda 2 métodos de seleção de características e 3 classificadores que combinados deram origem a mais de 300 modelos. Após análises, tomamos as 5 melhores arquiteturas e fizemos um ajuste de hiper-parâmetros do classificador, com isso alcançamos acurácia de 94,3% e Kappa igual a 87,9%, indicando uma concordância “quase perfeita” com a classificação do especialista.

O desenvolvimento do sistema elétrico com a integração de geração distribuída e microgrids, aumento  no uso de cargas não lineares e sensíveis por parte dos consumidores tem causado problemas à Qualidade de Energia Elétrica (QEE). Os estudos de QEE são comumente relacionados com distúrbios que alteram a característica senoidal da forma de onda de tensão e/ou corrente. O primeiro passo para analisar a QEE é detectar e posteriormente classificar os distúrbios, pois por meio da identificação do distúrbio é possivel conhecer suas causas e deliberar estratégias para mitigá-lo. As abordagens de detecção e classificação de distúrbios de QEE encontradas na literatura consistem principalmente em três etapas: 1) análise de sinais e extração de características, 2) seleção de características e 3) classificação dos distúrbios. No entanto, existem alguns problemas inerentes à essa abordagem. A extração de características é um processo impreciso e complexo e a seleção dessas características é um processo demorado que requer tempo e experiência. Essas duas etapas são críticas para a detecção e classificação de distúrbios,  pois influenciam diretamente no desempenho do classificador, visto que as características extraídas e selecionadas nem sempre são propícias para diferenciar os distúrbios.  Portanto, este trabalho propõe uma abordagem baseada em aprendizagem profunda utilizando os dados brutos, sem realizar pré-processamento, extração ou seleção manual das características dos sinais de tensão. A abordagem proposta é composta por camadas convolucionais, uma camada de pooling, uma camada LSTM e normalização em lote para extrair e selecionar características automaticamente. Adotou-se uma convolução 1-D para adaptar com o tipo de dado dos sinais de tensão. As características extraídas são usadas como entrada para camadas totalmente conectadas, sendo a última uma camada SoftMax. A abordagem proposta foi avaliada quanto a acurácia, precisão, recall e F1-Score apresentado pelo classificador e obteve um desempenho satisfatório mesmo diante de dados sobrepostos de ruídos e com baixa taxa de amostragem.

Atualmente, o uso de dispositivos móveis, principalmente smartphones, vem aumentando ao longo do tempo devido ao crescente desenvolvimento de tecnologias móveis, entre eles, a tecnologia touchscreen. No entanto, associado a este crescimento, também descobrimos que existem erros dos aplicativos Web ao ser executados em dispositivos móveis, em que vários desses problemas estão ligados à usabilidade e à experiência do usuário, conceitos com grande importância na qualidade de software. Portanto, a importância do teste de usabilidade em dispositivos móveis tem aumentado, no entanto, consome mais tempo e custo do que outros testes. Para reduzir o tempo e a complexidade dos testes de usabilidade nesses dispositivos, propomos um processo automático de identificação de sugestões de problemas de usabilidade (Usability Smells). Para isso, implementamos um processo de detecção automático de Usability Smell em dispositivos móveis na ferramenta UseSkill. Essa ferramenta usa os dados das interações do usuário com um software Web executado em um dispositivo móvel, descobrindo os Usability Smells por meio de reconhecimento de padrões. Também são propostos novos Usability Smells e seus padrões correspondentes para este contexto. Esse novo processo foi experimentado em três avaliações experimentais, sendo duas softwares utilizados em produção, e obtivemos resultados promissores na identificação de smells em relação a problemas de usabilidade.

A metáfora da dívida técnica (DT) é amplamente usada para encapsular inúmeros problemas de qualidade de software . Ela descreve o compromisso entre o benefício a curto prazo de tomar um atalho durante a fase de concepção ou implementação de um produto de software (por exemplo, para cumprir um prazo) e as consequências a longo prazo de tomar esse atalho, o que pode afetar a qualidade do produto de software . As DT’s devem ser gerenciadas para garantir a qualidade do software e também reduzir seus custos de manutenção e evolução. No entanto, as ferramentas para a detecção de DT geralmente fornecem resultados apenas considerando a perspectiva dos arquivos (classes e métodos), o que não é usual durante a gestão do projeto. Neste trabalho, uma técnica é proposta para identificar/visualizar DT em uma nova perspectiva: funcionalidade de software. A técnica proposta adota ferramentas de Mineração de Repositório de Software (MRS) para identificar as funcionalidades do software e em seguida as dívidas técnicas que afetam essas funcionalidades. Além disso, também propusemos uma abordagem para apoiar tarefas de manutenção guiadas pela visualização da DT em nível de funcionalidades com o objetivo de avaliar sua aplicabilidade em projetos de software real. Os resultados indicam que a abordagem pode ser útil para diminuir as DT’s existentes, bem como evitar a introdução de novas DT’s.

Regulação é um mecanismo de controle utilizado por uma Operadora de Plano de Saúde (OPS) com objetivo de minimizar o desperdício de recursos por meio da análise de solicitações realizadas pelos beneficiários. Normalmente as solicitações passam por uma avaliação administrativa que certifica se a solicitação cumpre parâmetros não-técnicos (carência, adimplência e outros). Além disso, passa por uma avaliação especializada com profissionais que ficam à disposição para análise técnica das solicitações. Uma das estratégias utilizadas para otimizar essa tarefa é o uso de um sistema que automatize parte desse processo por meio da utilização de aprendizagem de máquina (AM). O objetivo deste trabalho é aperfeiçoar o processo de aprendizagem supervisionada da regulação automatizada acrescentando informação do histórico de regulação dos beneficiários. Este estudo se baseia na ideia de que o histórico de beneficiários fornece informações relevantes sobre o processo de regulação, e, que possíveis solicitações posteriores, sigam de alguma forma um padrão baseado em solicitações antigas. A metodologia proposta utiliza três tipos de representação de informações: representação binária, term-frequency (TF) e term-frequency inverse document frequency (TF-IDF). Para cada uma dessas representações, são aplicados algoritmos de seleção de atributos (Consistency Subset Eval (CSE), Correlation Feature Subset (CFS), Wrapper Subset Eval (WSE), Informação de Ganho (IG), Razão de Ganho (RG) e Relief) e transformação de atributos (Principal Component Analysis (PCA), Kernel PCA, Independent Component Analysis (ICA) e Latent Semantic Analysis (LSA)). Na etapa de aprendizagem supervisionada são testadas os algoritmos classificação: Random Forest (RF), Naive Bayes (NB), K-nearest neighbors (KNN) e Support Vector Machine (SVM). Os resultados obtidos pelos classificadores são avaliados a partir das métricas acurácia, precisão, recall, índice kappa e precision-recall curve (PRC). A partir dos resultados também é avaliado se houve melhora significativa ou não, comparando os resultados da aprendizagem com e sem o histórico. Essa avaliação é realizada utilizando o teste de hipótese Z. Os resultados apontam uma melhora significativa com uso do histórico, em todos os classificadores testados, onde o melhor resultado obtido foi utilizando o classificador RF com representações TF e TF-IDF e seleção de atributos.

As redes ópticas elásticas (Elastic Optical Networks – EONs), utilizadoras da tecnologia OFDM (Orthogonal Frequency Division Multiplexing), têm se tornado alternativa promissora para lidar com o crescente tráfego de dados. As EONs proporcionam flexibilidade no atendimento de requisições com diferentes larguras de banda, permitindo eficiência na utilização dos recursos da rede. Os recursos para um novo circuito são alocados a partir de algoritmos RMLSA (Routing, Modulation Level and Spectrum Assignment). Estes algoritmos possibilitam a definição da rota, a escolha do formato de modulação e a seleção da faixa de espectro. Além disso, os circuitos devem apresentar qualidade de transmissão (Quality of Transmission – QoT) aceitáveis para operar. Quando os requisitos de alocação não são atendidos, as requisições de circuitos são bloqueadas. As principais causas de bloqueios, no cenário considerado, são devido as imperfeições de camada física (Physical Layer Imperfections – PLI). Para mitigar estes bloqueios, realocações de circuitos podem ser realizadas no intuito de reduzir as PLI em um ou mais enlaces, contribuindo para maior atendimento de requisições na rede. Neste contexto, esta dissertação propõe o uso de realocação de circuitos para redução de bloqueios por imperfeições da camada física, problema denominado como Circuit Reallocation aware of PLI (CR-PLI), e três estratégias de realocação para solucionar tal problema. As soluções são: R-RQoT (Realocação de Circuito para Redução de Bloqueios relacionados à QoT), CRS-PL (Circuit Reallocation Strategy - Physical Layer) e JOC (Just One Circuit Reallocation). As estratégias propostas foram comparadas entre si e com outra estratégia de realocação comumente utilizada na literatura. Para avaliação de desempenho, foram utilizadas as métricas de probabilidade de bloqueio de banda, probabilidade de bloqueio de circuito e número médio de circuitos realocados nas topologias USA e EON.

No momento atual, com o aumento na complexidade das aplicações , a quantidade de dados gerados vem crescendo rapidamente, exigindo-se um desempenho cada vez maior dos processadores. Pra lidar com essa crescente, arquiteturas reconfiguráveis(AR) surgem como uma atrativa solução. Ainda em meio ao aumento na quantidade de dados gerados e na complexidade das aplicações, nota-se que os laços presentes em algumas dessas aplicações são responsáveis por até 71% do tempo de execução do código. Otimizando-se esse tempo, é possível obter um ganho no tempo total de execução da aplicação, esse ganho de desempenho pode ser obtido com uso de software pipelining nos laços da aplicação. Este trabalho propõe o uso da técnica de software pipelining utilizando modulo scheduling em software para uma arquitetura reconfigurável de grão grosso. O algoritmo proposto foi implementado em um compilador com a linguagem de programação Java, que recebe como entrada uma aplicação desenvolvida na linguagem de programação Go e gera como saída o conjunto de instruções assembly MIPS. Para análise de resultados, cinco aplicações foram desenvolvidas. Os resultados obtidos mostram um bom mapeamento alcançado e que o ILP dos laços mais internos em algumas aplicações superam os 70% de ganho obtido

As redes ópticas elásticas mostraram-se promissoras para o futuro das comunicações ópticas, suportando a altas taxas de transmissões de dados. No entanto, alguns problemas, como: roteamento, escolha de modulação, alocação de espectro, fragmentação e interferências nos circuitos, devem ser solucionados para aproveitar amplamente os recursos da rede. Neste contexto, o principal objetivo deste trabalho é o desenvolvimento de duas novas propostas de algoritmos para a solução do problema RMLSA denominados de redução de interferências de circuitos com minimização de slots alocados (CIR-MAS – Circuit Interference with
Minimum Allocation Slots) e Fuzzy-RQoTO (Fuzzy - Reduction Quality of Transmission Other circuits). O algoritmo CIR-MAS busca selecionar formato de modulação mais resistente a interferências dos circuitos ativos. Além disso, o algoritmo seleciona rota com o mínimo de slots alocados entre as soluções de rotas alternativas, a fim de reduzir o bloqueio causado pela degradação dos circuitos. Já o algoritmo Fuzzy-RQoTO, utiliza um sistema fuzzy para auxiliar na seleção da melhor rota (rota de qualidade) para um dado par (origem, destino), inferindo um grau de pertinência nas métricas fragmentação relativa e quantidade de slots ocupados. Um estudo de avaliação de desempenho foi realizado nas topologias NSFNet e EON comparando o desempenho do algoritmo CIR-MAS e Fuzzy-RQoTO com os algoritmos: K-Shortest Path Computation (KS-PC), Modified Dijkstra Path Computation (MD-PC) e K-Shortest Path com Redução do QoTO (KSP-RQoTO) já propostos na literatura. O algoritmo CIR-MAS e Fuzzy-RQoTO apresentou um ganho mínimo de 40,5% e 27,5% quando comparado ao KS-PC, em termos de probabilidade de bloqueio do circuito, respectivamente. Em termos de probabilidade de bloqueio de largura de banda, o CIR-MAS e Fuzzy-RQoTO apresentou um ganho mínimo de 37,5% e 21,9%
quando comparado ao KS-PC, respectivamente. Adicionalmente, foi avaliada a eficiência energética dos algoritmos mencionados anteriormente.

O distúrbio de afundamento de tensão corresponde a uma redução entre 0,9 e 0,1 p.u. do valor eficaz da tensão nominal por um curto período de tempo e são causados principalmente por curto-circuito no sistema de energia. Tais distúrbios, destacam-se como sendo a alteração da forma de onda que mais se manifesta nas redes elétricas, sendo que sua ocorrência ocasiona danos aos consumidores. Desta forma, apontar o local no sistema de distribuição de energia que está conectada a fonte causadora do distúrbio de afundamento de tensão é o primeiro passo para corrigir o problema. No entanto, esta tarefa não é trivial, uma vez que os afundamentos de tensão ocorrem em um curto intervalo de tempo e se propagam ao longo de todo sistema. Este trabalho tem como objetivo principal apresentar uma metodologia baseada em algoritmo de clusterização combinada com regra de decisão para apontar a região (cluster) de origem do afundamento de tensão. O algoritmo de clusterização é responsável por analisar os dados do sinal de tensão advindos de diferentes pontos de medição e separar esses dados em grupos, onde um deles agrega os locais próximos da região de ocorrência do distúrbio. Para tanto, foram avaliados sobre diferentes contextos a performance de 5 (cinco) algoritmos de clusterização, são eles: K-Means Clustering, Gaussian  Mixture Models (GMM) , Density Based Spatial Clustering of Applications with Noise (DBSCAN), Fuzzy C-means (FCM) e Agglomerative Hierarchical Clustering. Em seguida o algoritmo Partial Decision Trees (PART) é responsável por definir o conjunto de regra de decisão que irão confrontar as características de cada clusters e rotular qual grupo (cluster) agrega o local de origem do distúrbio. A metodologia proposta foi validada por meio de simulações de curto-circuito trifásico no Sistema IEEE 34 barras. Os resultados mostram que a abordagem proposta neste trabalho é promissora para ser empregada em smart grids, uma vez que apresentou resultados satisfatórios, apresentando em alguns cenários uma taxa de acerto maior que 90%. Portanto, a metodologia pode apoiar a decisão do corpo técnico para que ações corretivas venham a ser estabelecidas de forma assertiva.

Estima-se que atualmente existam no mundo cerca de 285 milhões de deficientes visuais,

sendo 39 milhões cegos e 246 milhões com baixa visão. O uso de Tecnologias de Informação

e Comunicação contribui para a independência, qualidade de vida e inclusão na vida

social dos deficientes visuais, por meio do suplemento, manutenção ou devolução de suas

capacidades funcionais. Cédulas monetárias ainda são o meio mais comum de pagamento

e a maneira mais usada para a realização de transações pessoais, sendo manipuláveis por

qualquer pessoa, inclusive deficientes visuais. A identificação de cédulas é uma das grandes

dificuldades enfrentadas por portadores de deficiência visual, e com esse problema em

mente alguns países utilizam uma marca tátil como orientação do valor correspondente a

cada cédula. Porém, tal marca é considerada insuficiente por muitos deficientes visuais,

devido ao desgaste na intensa movimentação da cédula. Nesse contexto, o presente trabalho

apresenta um método de identificação de cédulas monetárias com a utilização de descritores

locais. Nos testes foram utilizadas as cédulas de dólar, euro e notas brasileira de real.

Para isso, foram construídas bases de imagens, composta por 1.008 imagens de cada

valor de cédula, totalizando 6.048 imagens para cédulas de real e 7.056 imagens para

as cédulas de dólar e euro. Foram avaliados quatro detectores de pontos de interesse

(BRISK, FAST, MSER e SURF), dois descritores de características (BRISK e SURF),

quatro métodos de assinatura da imagem (média, moda, mediana e BoVW), quatro

classificadores (Radial Basis Function Networks, Random Tree, Multilayer Perceptron e

Sequencial Minimal Optimization) e dois comitês de classificadores (Random Forest e um

comitê formado pelos melhores classificadores testados: Radial Basis Function Networks,

Multilayer Perceptron e Sequencial Minimal Optimization), que poderão ser utilizados

como base para o desenvolvimento de aplicativos para a identificação de cédulas monetárias.

Nos testes realizados, se obteve um índice Kappa excelente e valores de acurácia de 99,77%,

99,12% e 96,95% em cédulas de dólar, euro e real, respectivamente.

Com o avanço da tecnologia, cada vez mais equipamentos estão se conectando nas redes, gerando fluxos e processamento de dados. Com isso, mais algoritmos de aprendizado de máquina estão sendo estudados para extraírem informações relevantes desses grandes volumes. Com o grande aumento desse fluxo de dados, a interpretação destes pode ser prejudicada, sendo o grau de dificuldade proporcional a esse crescimento. É nesse contexto que essa pesquisa atua, pois alguns algoritmos de aprendizado de máquina criam grupos de dados que possuem algumas características. Neste trabalho realizou-se uma pesquisa científica com o objetivo de identificar nesses grupos quais são os atributos mais significativos junto aos valores que mais se repetem a ponto de representar o grupo, denominando-se essa técnica de rotulação. Dessa forma, esta pesquisa utiliza a técnica algoritmos supervisionados, já implementados por um software de cálculo numérico (MATLAB), em que se pretende rotular grupos já criados em diferentes bases de dados, exibindo um resultado em porcentagem de acordo com o número de registros que são representados pelo rótulo criado. 

Os congestionamentos de trânsito nos grandes centros urbanos vêm aumentando a cada ano e prejudicando a mobilidade das pessoas. Além disso, causam stress aos motoristas, consumo excessivo de combustível e intensificam a degradação do meio ambiente por meio da emissão do dióxido de carbono (CO₂). As interseções entre as vias são pontos que podem contribuir significativamente para o aumento dos congestionamentos de trânsito. O uso de semáforos nesses pontos pode ajudar a controlar o trânsito e reduzir os congestionamentos. A configuração de temporização desses semáforos também é um fator importante a ser considerado. Em geral, a maioria dos semáforos nas interseções opera de acordo com configurações de tempo fixo. Entretanto, os fluxos de veículos, em cada uma das vias de uma interseção, nem sempre possuem as mesmas características no decorrer do tempo. Para controlar o fluxo de veículos nas interseções de forma mais eficiente, é preciso que os semáforos operem de forma dinâmica, considerando informações de tráfego em cada uma das vias que ele controla. Uma das tecnologias utilizadas para obtenção dessas informações de tráfego pelos semáforos são as redes veiculares. As redes veiculares (VANETs - Vehicular Ad hoc Networks) são um tipo particular de rede móvel ad hoc onde cada veículo é dotado de uma OBU (On Board Unit), que periodicamente envia informações na rede. Além disso, um semáforo pode operar como uma RSU (Road Side Unit) que permite a recepção das informações enviadas pelas OBUs. Utilizando redes veiculares, este trabalho apresenta um algoritmo de controle inteligente de semáforo reformulado a partir de um aperfeiçoamento da melhor solução encontrada na literatura até então, o ITLC (Intelligent Traffic Light Controlling). O ITLC escalona pelotões de veículos, delimitados por uma área virtual no entorno de um semáforo, para cruzar a interseção conforme suas características de tráfego. As melhorias deste trabalho incidem na forma como os pelotões de veículos são formados e atualizados em relação ao ITLC original. A partir de experimentos realizados em ambiente simulado, verificou-se que o tempo médio de espera dos veículos no semáforo, utilizando o algoritmo aprimorado, foi 12% menor que o ITLC nos cenários com maior demanda de tráfego e aproximadamente 30% menor nos cenários com menor demanda de tráfego. Também foram observadas reduções na emissão média de CO₂ pelos veículos, bem como na média de pacotes transmitidos pelos mesmos em relação ao ITLC. A vazão de veículos no semáforo também foi aumentada em pelo menos 4% em todos os cenários com o algoritmo aprimorado. 

As aplicações Web têm passado por um grande e rápido crescimento nos últimos anos, tornando-se parte do nosso dia a dia. As grandes empresas utilizam essas aplicações para fornecer seus serviços, assim, para que os usuários se sintam estimulados a utilizá-las, é preciso garantir o desenvolvimento de aplicações de qualidade. Um dos atributos essenciais de uma aplicação Web, que determina diretamente seu sucesso ou fracasso, é a usabilidade. Esse atributo mede o quão adequada ao uso é a aplicação, tendo sido desenvolvidos diversos métodos para avaliá-lo. As avaliações de usabilidade têm como objetivo evidenciar os problemas de usabilidade da aplicação, facilitando a correção dos mesmos e, consequentemente, melhorando a usabilidade. O método de avaliação de usabilidade mais popular é o teste laboratorial, por conseguir avaliar diretamente os sentimentos dos usuários ao interagir com a aplicação final. Entretanto, a realização desse teste acarreta um alto custo e complexidade, devido necessidade de organização do ambiente laboratorial, convocação de participantes, avaliação de resultados subjetivos, etc. Assim, com o objetivo de simplificar a realização dessa avaliação e facilitar a descoberta de problemas de usabilidade, este trabalho propõe uma abordagem para a detecção automática de indicativos de problemas, também conhecidos como usability smells. Essa abordagem é baseada na captura da interação do usuário em contexto de produção, ou seja, com o mesmo realizando suas atividades diárias livremente, e na análise automática dessa interação. De acordo com os padrões de ações analisados, a abordagem propõe a aplicação de algoritmos específicos para a detecção de usability smells, que os identificam e reportam informações importantes a respeito das detecções, visando facilitar a localização da origem do problema. Cada um dos smells propostos foi catalogado em termos de fundamentação, forma de detecção e refactoring sugerido. Uma avaliação realizada com a abordagem, demonstrou que os smells indicados por ela foram capazes de auxiliar na detecção e correção de problemas de usabilidade concretos em uma aplicação real. Apesar de não ser capaz de substituir completamente o teste laboratorial tradicional, realizado por avaliadores experientes, a abordagem proposta pode complementá-lo, auxiliando a detecção de problemas que são mais evidentes ao se analisar grandes conjuntos de dados, ou mesmo servir como uma alternativa em casos onde o custo financeiro e a demanda de tempo são restrições mais severas.

Durante as atividades de manutenção de software, especialmente evolutivas, corretivas e perfectivas, gerentes ou líderes de projetos geralmente realizam a distribuição de tarefas com base na relação que cada desenvolvedor possui com o código fonte associado, ou seja, quanto maior a relação entre um determinado desenvolvedor e o código fonte associado, maior será a probabilidade desse desenvolvedor assumir o desenvolvimento. Contudo, é comum que gerentes de projetos não tenham uma noção real de como está a relação entre desenvolvedores e o código fonte relacionado à cada tarefa a ser desenvolvida. Em um estudo (dissertação de mestrado) anterior, foi proposto um método baseado em Mining Software Repositories (MSR) para obter a familiaridade de código dos desenvolvedores, a partir da mineração de dados de repositórios de software. O cálculo da familiaridade é feito considerando a perspectiva de módulo (pacote) ou arquivo. Neste trabalho, é proposta uma abordagem baseada no método citado anteriormente, para inferência da familiaridade de desenvolvedores, considerando também uma nova perspectiva: funcionalidade de software. Algumas das principais etapas da abordagem proposta visam identificar funcionalidades de software e unidades computacionais (arquivos de código) que compõem cada funcionalidade identificada, com base na utilização de técnicas de Reverse Engineering (RE). Um dos objetivos principais deste trabalho é a realização de uma análise da familiaridade de código considerando as perspectivas de módulo e funcionalidade. Neste estudo foi realizado também, um Mapeamento Sistemático da Literatura (MSL) que apresenta um overview da área de inferência da familiaridade e outros tipos de relação entre desenvolvedor e código fonte por meio de técnicas baseadas em MSR. Por fim, foi realizada neste trabalho, uma avaliação em duas etapas. Na primeira fase a abordagem proposta foi avaliada no processo de identificação de funcionalidades e arquivos relacionados. Por meio da análise de sistemas reais, pôde-se constatar que a abordagem obteve um desempenho satisfatório durante esse processo. Durante a segunda etapa de avaliação da abordagem foi realizada a inferência e análise da familiaridade de código entre desenvolvedores considerando a perspectiva de módulo e funcionalidade. Os resultados mostram que uma visão por funcionalidade fornece informações importantes a respeito da familiaridade de código. 

A computação tem sido utilizada para apoio à solução de problemas nas mais diversas áreas de conhecimento, tais como, medicina, biologia, matemática, mecânica, administração, economia, etc. Inúmeras aplicações têm sido desenvolvidas para auxiliar o ser humano na realização de tarefas que antes eram realizadas de forma manual, tais como, aplicações para identificação de anomalias em imagens médicas (medicina), aplicações para previsão de valores de ações no mercado financeiro (economia), aplicações para gestão patrimonial

(administração), dentre outras. Entretanto, para garantir a confiabilidade das aplicações para solução de tais problemas é preciso que elas passem por uma etapa essencial no processo de desenvolvimento de software, o Teste de Software.

O Teste de Software é uma das atividades que se concentra na gestão da qualidade de software, e pode ser definido como um conjunto de tarefas, planejadas e executadas sistematicamente com o propósito de descobrir erros cometidos durante a implementação dos softwares. Uma das tarefas mais complexas e custosas relacionada ao Teste de Software é o mecanismo popularmente conhecido como Oráculo de Testes. Dada uma determinada entrada para uma aplicação, a difícil tarefa de distinguir o comportamento correto para o comportamento potencialmente incorreto da aplicação é chamado de “Problema do Oráculo de Teste”. Geralmente, essa atividade é realizada de forma manual por um desenvolvedor ou testador da aplicação, tornando-se um garlalo na realização de testes de software.

Considerando esse contexto, é proposta neste trabalho uma abordagem, para automação do mecanismo de oráculo de testes. Essa proposta traz consigo a inovação na forma como a atividade é realizada e torna-se uma alternativa para as pesquisas já existentes dessa área. Foi realizado um Mapeamento Sistemático de Estudos (MSE) com o objetivo de identificar na literatura os principais trabalhos dessa linha de pesquisa. A realização desse MSE foi a base para a definição da abordagem proposta no trabalho, pois ajudou a posicionar a pesquisa identificando os principais interesses da área e como o problema tem sido atacado em novos trabalhos. Após a realização de um estudo da área, foi proposta uma nova abordagem para automação do oráculo de testes. Três experimentos foram executados com aplicações Web para avaliar a abordagem proposta. Os dois primeiros experimentos foram realizados com uma aplicação fictícia, de forma que: no primeiro experimento, as falhas foram inseridas de forma aleatória e no segundo as falhas foram inseridas no código da aplicação por um desenvolvedor. O terceiro experimento foi realizado com uma aplicação real de grande porte com o objetivo de assegurar os resultados obtidos nos dois primeiros experimentos. Os resultados obtidos em todos os experimentos apresentaram indicações da aplicação da abordagem proposta na solução do problema.

No campo da Inteligência Artificial (IA) um tópico vem ganhando destaque nos últimos anos: o agrupamento de dados. Por esse motivo, vem sendo considerado um item relevante na subárea de Aprendizagem de Máquina (AM), mas especificamente aprendizagem não supervisionada. O problema relacionado ao agrupamento (clustering) é abordado com frequência em muitos trabalhos de cunho científico, entretanto a compreensão dos grupos (clusters) é tão importante quanto a sua formação. Definir grupos pode auxiliar na interpretação e, consequentemente, direcionar esforços para tomadas de decisões mais acertadas levando em consideração as peculiaridades de cada grupo formado. Devido a problemática relacionada a encontrar definições, ou rótulos, capazes de identificar cada grupo de forma fácil, este trabalho descreve um modelo que elabora rótulos utilizando um algoritmo não supervisionado baseado em distância para encontrar características relevantes nos elementos de cada grupo e modelar faixas de valores que identificam os grupos de forma única. Para avaliar o desempenho, o modelo produziu rótulos para grupos de uma base de dados bem difundida na literatura e foi submetido a uma análise comparativa com outro modelo de rotulação, que aborda a mesma temática desse trabalho. Os rótulos produzidos conseguiram representar um grande número de elementos, apresentando assim um bom resultado. Na análise comparativa, o modelo conseguiu produzir rótulos de forma eficiente, permitindo uma fácil interpretação das definições geradas. Os experimentos realizados demonstram que o modelo proposto é capaz de construir rótulos para a identificação dos grupos, melhorando assim a compreensão dos grupos fornecidos.

Melanoma é um tipo maligno de lesão de pele, e atualmente está entre os tipos de câncer existentes mais perigosos. Entretanto, o diagnóstico precoce dessa doença proporciona ao paciente uma maior chance de cura. Neste cenário, métodos computacionais para processamento e análise de imagens de lesão de pele têm sido estudados e desenvolvidos para auxiliar os profissionais da área médica. Esses métodos pretendem possibilitar ao profissional uma facilidade e rapidez em relação ao diagnóstico da patologia através da interpretação de imagens médicas. Neste trabalho desenvolve-se um método computacional visando auxiliar os médicos dermatologistas no diagnóstico de lesões de pele em melanoma ou não-melanoma por meio de imagens dermatoscópicas. Com este método pretende-se classificar as lesões de pele utilizando um descritor híbrido. Esse descritor é obtido a partir da combinação da regra ABCD (Assimetria, Borda, Cor e Diâmetro) e Redes Neurais Convolucionais (CNNs): CaffeNet, Vgg-m, Vgg-verydeep-19, Vgg-f e Vgg-s. Além disso, é realizado nesse descritor híbrido uma seleção de atributos com o algoritmo Gain Ratio Information. As características extraídas das imagens são utilizadas como entradas para o classificador MLP (MultiLayer Perceptron). Foram utilizadas imagens de lesão de pele de 2 bases de imagens públicas: PH² e DermIS. O resultado obtido na classificação foi uma taxa de acerto igual a 94,9% e um índice Kappa de 0,8944.

Glaucoma é uma doença ocular que danifica o nervo óptico causando a perda da visão. Considerada a segunda principal causa de cegueira no mundo, ficando atrás apenas da catarata. Com o objetivo de auxiliar especialistas no diagnóstico desta doença, sistemas de auxílio por computador são utilizados para reduzir a possibilidade da prescrição de tratamentos inadequados. Assim, vem sendo desenvolvidos sistemas de diagnóstico automático de glaucoma. Contudo é possível realizar melhorias nestas técnicas, visto que, os sistemas atuais não lidam com uma grande diversidade de imagens. Existem duas regiões das imagens da retina que são de suma importância para a detecção do glaucoma, sendo elas, as regiões do disco óptico e da escavação. Este trabalho apresenta uma nova metodologia para criação de um sistema de diagnóstico do glaucoma aplicado nas imagens da retina. Será aplicado descritores de textura e Redes Neurais Convolucionais (CNNs) nas imagens da retina sem segmentação (imagem original) e em imagens segmentadas na região do disco óptico. As características obtidas são selecionadas de acordo com a sua razão de ganho de informação. O sistema proposto tem como objetivo ser capaz de classificar corretamente imagens com diferentes características advindas de diferentes bases de imagens. Os resultados mostraram que a junção dos descritores GLCM e CNNs e a utilização do classificador Random Forest são promissores na detecção dessa patologia, obtendo uma acurácia de 93,35% em 873 imagens de 4 bases de dados públicas.

A segmentação de imagens médicas tem um grande número de aplicações no diagnóstico de doenças, como glaucoma, melanoma etc. Mas a segmentação automática destas imagens não é uma tarefa fácil. Para resolver esse problema, algumas técnicas baseadas em classificação não supervisionada e supervisionada têm sido desenvolvidas na literatura. Mas as técnicas de classificação supervisionada são mais demoradas e sensíveis ao custo devido à exigência de dados rotulados suficientes. Em contraste, técnicas de classificação não supervisionada atuam sem usar qualquer informação prévia, mas sofrem dos problemas de armadilhas locais. Assim, para superar os problemas associados às técnicas de classificação não supervisionadas e supervisionadas, propusemos um novo algoritmo de agrupamento semissupervisionado chamado Seeded Fuzzy C-means (SFc-means), usado para segmentar regiões de interesse em imagens médicas. O SFc-means é  baseado em lógica fuzzy e usa poucos dados fornecidos por um médico para segmentar essas regiões. Desta forma, o algoritmo automatiza uma das etapas mais dispendiosas do diagnóstico, levando a uma análise mais rápida. Neste trabalho, o algoritmo proposto foi avaliado em bases de leucemia, câncer de pele, câncer de colo do útero e glaucoma, doenças que podem assumir um estágio grave e irreversível caso não haja um diagnóstico rápido e preciso. Os resultados obtidos ilustram a viabilidade da aplicação do algoritmo a fim de efetivamente auxiliar os médicos na detecção das regiões, uma vez que, na maioria dos testes, obteve-se um índice Kappa “Excelente” e taxas superiores comparadas aos outros algoritmos. Além disso, os baixos valores de desvio padrão revelam a estabilidade na execução do SFc-means. A partir da eficácia nos resultados da segmentação de imagens médicas, foi realizado um teste desse algoritmo em umas das etapas de um sistema de diagnóstico do glaucoma. Esse teste também obteve resultados eficazes, se sobressaindo quando comparado à alguns métodos da literatura.

Dentre os distúrbios de Qualidade da Energia Elétrica, destacam-se entre os mais relevantes e de maior ocorrência os afundamentos de tensão, pois além da sua natureza estocástica, o que torna difícil o seu monitoramento, causam enormes prejuízos às concessionárias e consumidores. O monitoramento constante é essencial para identificar os distúrbios existentes, no entanto os custos envolvidos inviabilizam o monitoramento completo do sistema, assim apenas um número reduzido de monitores está disponível, devendo serem instalados em posições estratégicas para cobrir a maior quantidade de eventos possíveis. Desta forma, percebe-se que a determinação dos pontos de instalação dos equipamentos é um fator crucial para o sucesso do plano de monitoramento. Este trabalho apresenta uma abordagem para a resolução do problema de alocação de monitores de qualidade de energia elétrica considerando vários aspectos do problema como a cobertura topológica, os afundamentos de tensão ocorridos, porém não monitorados e o custo total dos equipamentos instalados. Para contemplar os diversos aspectos mencionados, a abordagem proposta é baseada em um modelo de otimização multiobjetivo. O Non-Dominated Sorting Genetic Algorithm II (NSGA-II) foi empregado para resolução desse problema de otimização multiobjetivo devido a sua eficiência ao lidar com problemas de natureza combinatória. A abordagem proposta utiliza o Método das Posições de Falta para determinar os pontos de vulnerabilidade no Sistema de Distribuição para cada tipo de falta: monofásica, bifásica (fase-fase e fase-fase-terra) e trifásica. Dessa forma, a abordagem permite obter uma Matriz de Tensão Durante a Falta que representa o comportamento do sistema, considerando todos os tipos de faltas possíveis. A abordagem apresentada foi submetida aos sistemas de testes de 13, 34 e 37 barras do IEEE, simulados no software DigSILENT Power Factory 15.1. Os resultados obtidos permitem ao usuário à tomada de decisões sobre a quantidade e localização dos monitores que devem ser instalados, de forma a se adequar a realidade financeira da concessionária e evitar gastos desnecessários que não se traduzem em melhoria na capacidade de monitoramento. Desta forma, a concessionária pode adotar uma estratégia de monitoramento que leva em conta o número de afundamentos não cobertos, o custo total do monitoramento, a ambiguidade topológica, o total de cargas não monitoradas e a extensão da área de monitoramento.

O teste de software é a principal forma de detectar falhas e avaliar a qualidade de um programa. Dentre os tipos de teste de software, podemos destacar o teste de regressão, que reexecuta os casos de teste do sistema para verificar se modificações em uma versão do programa não trouxeram prejuízo ao funcionamento de módulos que estavam atuando corretamente em versões anteriores. A forma mais comum de teste de regressão é a reexecução de todos os casos de teste do sistema, mas o crescimento no porte de umsistema de software pode dificultar essa abordagem devido a restrições de tempo ou de custos. Dentre as abordagens para resolver esse problema e melhorar o teste de regressão,podemos destacar a priorização de casos de teste, que consiste na alteração da sequência de execução dos casos de teste, buscando maximizar alguma propriedade da suite (conjunto) de testes. Este trabalho tem por objetivo priorizar casos de teste, buscando maximizar a taxa de detecção de falhas do teste de regressão. Para isso, é proposta uma abordagem em três etapas: na primeira etapa, são atribuídos valores de criticidade aos componentes do software por meio de um sistema de inferência fuzzy, cujas entradas são métricas de software relacionadas à susceptibilidade a falhas; na segunda etapa, é calculada a criticidade dos casos de teste, com base na criticidade dos componentes de software por eles cobertos; na terceira etapa acontece a priorização dos casos de teste, que emprega otimização por colônia de formigas para ordenar os casos de teste considerando suas criticidades, tempos de execução e histórico de detecção de falhas. As soluções foram avaliadas com base nas métricas APFD (Average Percentage of Fault Detection, que representa a taxa de detecção de falhas) e APFDC (variação do APFD que considera os custos de execução dos casos de teste e a severidade das falhas). Foram realizados experimentos com programas obtidos em um repositório aberto de objetos de software, e os resultados obtidos com a abordagem foram comparados à ordenação original das suites, à ordenação obtida por meio de uma busca exaustiva e a uma ordenação obtida por um algoritmo guloso. Além disso, os resultados foram submetidos a um teste de sanidade e comparados à ordenação aleatória, apresentando fortes indícios de adequação ao problema.

Linha de Produto de Software (LPS) é uma forma de desenvolvimento de software, na qual existe uma coleção de sistemas que compartilham um conjunto de artefatos, mas possuem componentes customizados para clientes específicos. Muitas são as vantagens de se utilizar uma LPS, como por exemplo, a melhor gestão das aplicações, entretanto muitos também são os desafios para a sua adoção. Embora a engenharia de LPS ofereça menores custos à fábrica de software, a sua implantação ainda é um processo oneroso. Existem hoje três abordagens distintas para a implantação da linha de produto em um processo de desenvolvimento, definidas para as diferentes necessidades do mercado. Uma delas denomina-se abordagem extrativa, na qual a LPS será construída a partir de produtos de software individuais pré-existentes. Empresas que já possuem diversas variantes de um produto, por exemplo, tem dificuldade em adotar LPS devido, dentre outros motivos, aos próprios custos decorrentes da migração de produtos individuais para uma plataforma única de desenvolvimento. Para realizar essa transição, são necessárias algumas atividades como identificar o que é comum e o que é variante dentre os produtos de software, reunir todo o código em um único local e prover um ambiente para desenvolvimento integrado. A fim de auxiliar o processo de adoção de LPS, este trabalho propõe um método para apoiar as empresas na primeira das etapas acima citadas, que é identificar as comunalidades e variabilidades existentes nos produtos que fazem parte do portfólio da empresa. Para alcançar esse objetivo, o método propõe uma ferramenta de visualização dessas comunalidades e variabilidades. De posse dessa informação, o gerente de projetos possui maiores subsídios para guiar o planejamento da reengenharia de seus produtos.

O reconhecimento facial tem por objetivo primordial identificar uma pessoa baseada em imagens de sua face. Apesar de vários avanços obtidos, alguns desafios permanecem como problemas não resolvidos, resultantes principalmente de condições não controladas do ambiente, tais como mudanças de iluminação, oclusão, variações de expressões faciais e posição da cabeça. Este trabalho apresenta uma abordagem para reconhecimento facial, caracterizando-se pela robustez a oclusão, variações de iluminação e expressões faciais. A abordagem proposta é constituı́da de seis etapas e baseia-se na combinação do filtro de Gabor curvo, entropia da função de projeção de variância, Random Forest e Support Vector Machine (SVM). O filtro de Gabor curvo é utilizado para realizar a extração do vetor de caracterı́sticas de uma imagem. Em seguida, as magnitudes das respostas de Gabor curvo são segmentadas em blocos não sobrepostos, com o intuito de diminuir a interferência de variações locais na imagem. A entropia da função de projeção de variância é usada para reduzir dados mais relevantes a partir da etapa anterior. Por fim, para construir o vetor final de caracterı́sticas utiliza-se o Random Forest. Por meio dele identifica-se os elementos mais relevantes da extração de caracterı́sticas visando manter os dados mais representativos da imagem, dessa forma, a abordagem apresenta uma baixa dimensionalidade do vetor de caracterı́sticas. De posse do vetor de caracterı́sticas, inicia-se o processo de treinamento do classificador, considerando os diversos indivı́duos da base de imagens. Após o treinamento do SVM, pode-se colocar a abordagem em operação para efetuar o reconhecimento facial das pessoas. Um conjunto de experimentos foi realizado, para avaliar a abordagem apresentada sobre caracterı́sticas de cenários encontrados em um ambiente real, fazendo uso das bases de imagens: AR Face, Feret, Essex e Essex com oclusão. A abordagem proposta foi avaliada em diversos cenários considerando variações de iluminação, oclusão por óculos de sol, variação de iluminação com oclusão por óculos de sol, oclusão por cachecol, variação de iluminação com oclusão por cachecol, mudança de expressão facial e todos os cenários juntos. Os resultados obtidos por meio dos experimentos superam as abordagens do estado da arte disponı́veis na literatura em todas as bases.

A Rede Óptica Elástica é uma tecnologia promissora para compor a infraestrutura do núcleo da Internet. Para este tipo de rede é necessário prover mecanismos que garantam a sua disponibilidade mesmo após a ocorrência de uma falha, processo conhecido como sobrevivência de redes. Também é importante garantir a qualidade do sinal óptico, que tende a se degradar pelos efeitos de camada física. Este trabalho de mestrado propõe uma avaliação de desempenho de algoritmos Routing, Modulation Level, and Spectrum Allocation (RMLSA) tolerantes a falhas e que considerem as imperfeições de camada física. Em um estudo inicial, foram avaliados algoritmos de sobrevivência em um cenário ciente dos efeitos de camada física. A partir deste estudo inicial, três algoritmos são propostos: DP-SNR, DP-BSNR e DP-RQoTO. Tais algoritmos levam em consideração os efeitos da camada física nas escolhas de suas rotas e garantem sobrevivência da rede. Foi realizada uma avaliação de desempenho com tráfego dinâmico e requisições com demandas de banda variáveis. Os três algoritmos propostos neste trabalho foram comparados com outras propostas da literatura, obtendo uma diminuição da probabilidade de bloqueio na ordem de 90%. Entre os algoritmos propostos, o DP-RQoTO obteve melhor desempenho na maioria dos cenários avaliados. O ganho, em termos de probabilidade de bloqueio de circuito, do algoritmo DP-RQoTO em relação ao algoritmo DP-SNR foi de até 20,61%. Já em relação ao DP-BSNR, o ganho do DP-RQoTO foi de até 26,62%. Em termos de probabilidade de bloqueio de banda, o ganho do DP-RQoTO chegou a 19,97% em relação ao DP-BSNR e 8,85% em relação ao DP-SNR.

Evitar o desperdício de recursos é um dos maiores desafios para a melhoria do serviço de atenção à saúde no Brasil. No âmbito das operadoras de planos de saúde brasileiras, destaca-se a regulação de solicitações de serviços assistenciais como mecanismo de combate ao desperdício oriundo de erro médico, fraude e abuso. Tradicionalmente a avaliação das solicitações é um processo manual e considerando o volume de solicitações torna-se um mecanismo de manutenção cara e não escalável, que atrasa o acesso do Orientações: O requerimento deve ser TOTALMENTE preenchido e enviado para o e-mail ppgcc@ufpi.edu.br o com pelo menos 40 dias de antecedência. paciente ao serviço além de causar atrito entre operadoras de planos de saúde e prestadores de serviços. Este trabalho propõe a triagem de solicitações para otimizar o processo de regulação. Para isso, técnicas de mineração de dados foram utilizadas para a construção de modelos preditivos a fim de responder automaticamente solicitações que tiverem a probabilidade de autorização igual ou superior a um fator de confiança escolhido pela operadora de planos de saúde, encaminhando o restante das solicitações para a avaliação manual. A abordagem proposta foi avaliada em sete bases de dados disponíveis para o estudo, contemplando seis operadoras de planos de saúde públicas e uma privada. Na base de dados com a proporção menos discrepante entre solicitações autorizadas e não autorizadas foi possível responder automaticamente até cerca de 90\% das solicitações mediante a variação do fator de confiança, porém esse desfecho não foi alcançado nos cenários mais desbalanceadas. Estes resultados mostram a viabilidade da utilização dessa abordagem, em bases de dados balanceadas ou pouco desbalanceadas, para reduzir a carga de trabalho de avaliadores humanos, o que pode tornar o processo mais rápido e mais barato.

A evolução do e-commerce e das Redes Sociais Online (RSO) tornaram significativo o crescimento da Web e como consequência, a quantidade de informações disponíveis tem aumentado bastante a cada dia, tornando a tarefa de analisar comentários, de forma manual, praticamente impossível para o processo de tomada de decisão de compra (ou não) de um produto ou serviço. Conhecer a opinião de outros consumidores é de suma importância para esse processo. Devido ao volume de informações, a criação de métodos automáticos de extração de conhecimento e mineração de dados tornou-se necessária. A avaliação da opinião é um ponto forte tratado por pesquisadores de Processamento de Linguagem Natural (PLN) no âmbito da Análise de Sentimentos ou Mineração de Opinião. Atualmente, para facilitar a procura de comentários pelo usuário, alguns sites utilizam filtros tais como por utilidade ou por estrelas, mas não são melhores formas pois podem excluir comentários novos que ainda não foram votados. Uma solução para tal problema seria filtrar os comentários a partir da sua descrição textual, a fim de selecionar os comentários mais importantes para o consumidor ler e tomar uma decisão. Sousa (2015) propôs uma abordagem denominada TOP(X) para estimar o grau de importância de comentários sobre produtos e serviços utilizando um modelo computacional inspirado em Sistemas Fuzzy, reportando resultados satisfatórios na detecção dos comentários mais importantes, mas com alguns problemas que ficaram pendentes de resolução e melhoras, além da possibilidade de alterar o modelo computacional usado na abordagem TOP(X). Esta dissertação propõe adaptações em duas variáveis de entrada da abordagem: quantidade de tuplas <característica, palavra opinativa> e riqueza do vocabulário. Após as adaptações, propõe-se a construção de duas novas abordagens utilizando modelos computacionais baseados em Sistemas Fuzzy e Redes Neurais Artificiais (RNA). O objetivo geral desta dissertação é comparar ambas as abordagens por meio de medidas estatísticas que permitem fazer a equiparação de modelos computacionais paramétricos. As adaptações nas variáveis de entrada da abordagem TOP(X) fazem parte dos objetivos específicos, nas quais são propostos novos padrões linguísticos e uma ontologia, que foram utilizadas em um novo método de inferência semântica e novos índices para mensurar a riqueza do vocabulário do comentário. Experimentos realizados no domínio de hotéis mostraram que na comparação das abordagens, a abordagem utilizando Sistema Fuzzy obteve melhores resultados ao detectar os comentários mais importantes enquanto a abordagem usando Redes Neurais Artificiais melhor se comportou na detecção dos comentários mais importantes quando se define a sua orientação semântica sendo positiva ou negativa.

Um dos principais desafios da robótica móvel consiste em dotar robôs de autonomia. Neste sentido, aflora a necessidade de um sistema capaz de computar a pose (posição e orientação) do robô no seu espaço de trabalho – Sistema de localização. Este trabalho apresenta um sistema de localização utilizando odometria visual e sinal WiFi. O sistema foi projetado para ser utilizando em uma plataforma robótica da arquitetura cellbot (robôs baseados em dispositivos móveis) e faz uso do filtro probabilístico de partículas para realizar a correção da pose do robô no ambiente. Foram realizadas análises combinando algoritmos de detecção, descrição e correspondência na odometria visual, bem como a influência da quantidade de features detectadas no desempenho da odometria. Também foram analisados a precisão e custo da diversificação na quantidade de partículas utilizadas no filtro e a influência da quantidade de pontos de acesso WiFi utilizados. Os resultados experimentais com plataforma robótica e simulação são analisados e apresentados neste trabalho. O sistema demonstrou ser capaz de localizar um robô cadeira de rodas.

Multiprocessadores são arquiteturas com mais de um núcleo de processamento que exploram o paralelismo para fornecer maior desempenho. Eles têm sido pesquisados e implementados na construção de computadores de alto desempenho (HPC - High Perfomance Computers). Com muitos núcleos de processamento, a comunicação entre os mesmos é fator crucial para obtenção de alto desempenho. É com base nela que são determinadas a velocidade de processamento, o consumo de energia, o espaço em chip e a escalabilidade. A fim de reduzir a latência na comunicação e aproximar processadores e memórias, pesquisadores têm investido na conexão das unidades de processamento por meio de redes em chip (em inglês, NoC), os chamados MP-SoCs (Multiprocessor Systems-on-Chip). Este trabalho apresenta um MP-SoC com um sistema de comunicação e sincronização entre processos que tem por base o padrão de paralelismo Fork-Join. Tal arquitetura, chamada ArachNoc, é composta por nós multicore de processamento. Esses nós possuem nove núcleos, sendo um mestre e oito escravos, que são baseados na ISA MIPS, e conferem suporte à programação paralela por meio da inserção das instruções de sincronização. Para a validação e avaliação de desempenho do sistema proposto, foram desenvolvidas aplicações paralelas. Para a produção destas aplicações foram utilizadas a linguagem C de programação e a biblioteca OpenCL, e para gerar os códigos binários foram desenvolvidos dois compiladores cruzados (do inglês, cross-compiler): um compilador GNU GCC to ArachNoc e outro LLVM to ArachNoc. O benchmark desenvolvido conta com aplicações dos mais diversos níveis de avaliação de desempenho, desde aplicações para apenas validar o sistema em chip, até aplicações para exaurí-lo, isto é, extrair o desempenho máximo do sistema. Algumas delas são: Multiplicação de Matrizes (com diferentes formas de paralelismo), Dijkstra, Algoritmos Genéticos Simples e Algoritmos para processamento de imagens, como o Filtro Laplaciano.

O termo GPGPU (General Purpose Graphics Processing Unit) é utilizado para denominar o uso de GPUs (Graphics Processing Unit), em conjunto com CPUs (Central Processor Unit), para computação de propósito geral. Embora esses sistemas sejam capazes de executar aplicações de propósito geral e SIMD (Single Instruction Multiple Data), CPUs e GPUs são projetadas separadamente, portanto, apresentam características distintas que dificultam a maximização do potencial dessas arquiteturas quando utilizadas em conjunto. Este trabalho apresenta METAL (ManycorE plaTform Adapted to opencL), uma plataforma manycore baseada em rede em chip, cuja arquitetura foi concebida com o propósito de executar, nativamente, tanto aplicações SIMD quanto de propósito geral. A programação SIMD é realizada utilizando a linguagem OpenCL, cuja execução é facilitada pelo uso de um escalonador de work-items e de um modelo de memória compatível. Os núcleos de processamento utilizados na plataforma são processadores de propósito geral MIPS que, com o suporte de recursos em hardware, permitem o uso de programação paralela utilizando a técnica de exclusão mútua. Algumas aplicações foram desenvolvidas para validar e avaliar o desempenho, bem como a programabilidade da arquitetura. Os algoritmos: Dijkstra; multiplicação de matrizes; problema das N rainhas com solução por algoritmos genético paralelo; jantar dos filósofos e detecção de borda aplicando o filtro laplaciano foram desenvolvidos e executados em um simulador implementado em SystemC. Os experimentos mostram o desempenho da plataforma ao executar os algoritmos e impacto que a comunicação utilizando a rede em chip exerce nas aplicações.

Serviços de call-center (ou service desk) são classificados, a fim de categorizar, priorizar e identificar soluções para casos semelhantes. As mensagens também podem ser utilizadas para definir a área e o técnico responsável pela manutenção do chamado. Considerando os ambientes corporativos, a classificação correta otimiza os recursos e minimiza impactos negativos para o negócio. Serviços normalmente são abertos por usuários de TI e escritos em linguagem natural, através de softwares específicos para gestão do chamado ciclo de vida.

Esta Dissertação apresenta um modelo de classificação semiautomático para serviços de TI, utilizando técnicas de processamento de linguagem natural e algoritmos de aprendizagem de máquina supervisionados. Uma rede semântica foi utilizada para a definição de features conceituais. Com o modelo proposto foi possível reduzir a dependência humana no processo de classificação dos chamados e atividades de priorização, na seleção de técnico para atendimento e no diagnóstico e listagem de possíveis soluções.

Realizou-se um experimento sobre um corpus de chamados técnicos de TI cedidos por um órgão público do Estado do Piauí, com service desk implantado, contendo 2.064 chamados, distribuídos em 9 classes, previamente anotados. Na Classificação foram utilizados os algoritmos Naive Bayes, J48 e SMO que obtiveram taxas de acerto de 72.9%, 70.7% e 75.8%, respectivamente.

A beleza é uma qualidade que gera discussão e intriga o ser humano desde tempos remotos. Filósofos da Grécia Antiga como Platão e Aristóteles já discutiam sobre os aspectos objetivos e subjetivos dessa característica. Já na Renascença, o ideal de beleza humano foi revisto por vários artistas e cientistas daquele tempo. No século XX, os avanços da medicina proporcionaram uma abordagem ainda mais cientifica acerca da estética humana. Essa qualidade moveu a ciência para um caminho que permite ao homem tanto corrigir anomalias congênitas como reparar desconformidades com os padrões estéticos de uma determinada sociedade ou grupo biológico e cultural. Para tanto, é indispensável que uma cirurgia corretiva seja precedida de uma rigorosa análise pré-operatória baseada em informações sobre os aspectos físicos do paciente. Nos procedimentos faciais, tais dados podem ser representados por pontos de referência, que são explorados para medir desvios estéticos. Este trabalho tem como objetivo propor uma metodologia que possibilite localizar e identificar os pontos de referência necessários para se realizar avaliações estéticas da face auxiliando na definição de procedimentos cirúrgicos adequados às características de um paciente. A necessidade de separar a análise facial em duas diferentes perspectivas (frontal e perfil) gera abordagens distintas para a solução do problema. Para localizar os pontos do perfil foi elaborado um método inovador a partir de um conjunto de 30 imagens de perfil. Para a perspectiva frontal, foram realizadas modificações no método Active Shape Models (ASM) de modo a adaptá-lo ao conjunto de pontos frontais necessários para análises estéticas. O sistema desenvolvido é capaz de localizar 35 pontos faciais nas perspectivas frontal e de perfil e foi testado em mais de 800 imagens. Ele apresentou bons resultados para a perspectiva do perfil e foi capaz de melhorar o ASM clássico aplicado a localização de pontos frontais.

Os aumentos dos congestionamentos de trânsito em grandes cidades causam impactos negativos em diversas áreas, como na saúde e economia. Os Sistemas Inteligentes de Transporte, que utilizam tecnologias como laços indutivos, Sistema de Posicionamento Global (Global Position System - GPS), câmeras de vídeos, sensores e comunicação sem fio, são vistos como uma das principais alternativas para diminuir estes congestionamentos (ajuste dinâmico nos temporizadores de semáforos, monitoramento de tráfego, etc). Com isso, diversas soluções para o controle de congestionamentos baseadas na comunicação entre veículos vêm sendo propostas. Uma das tecnologias utilizadas para a comunicação no ambiente veicular são as redes veiculares. As comunicações nas redes veiculares podem ocorrer de Veículo para Veículo (V2V) ou de Veículo para Infraestrutura (V2I). A instalação e manutenção de infraestruturas necessárias para cobrir completamente as áreas urbanas pode apresentar altos custos. Com isso, este trabalho apresenta um novo protocolo de baixo overhead que utiliza a comunicação V2V da tecnologia de redes veiculares. Em outras palavras, o protocolo é independente de infraestruturas externas. O objetivo do protocolo é reduzir o tempo médio de viagem dos veículos garantindo um baixo overhead de comunicação na rede veicular. Foi realizado um estudo de avaliação de desempenho com o objetivo de comparar a solução proposta com os trabalhos relacionados. O protocolo proposto apresentou o melhor desempenho em termos de overhead de sinalização. Nos cenários com maior demanda de tráfego, a quantidade de mensagens geradas pelo protocolo proposto foi aproximadamente 43% menor que o segundo melhor resultado e 80% menor que o protocolo que apresentou o pior desempenho. Por meio do mesmo estudo verificou-se a eficiência do protocolo em reduzir os congestionamentos nos cenários avaliados. Foi obtida uma redução de até 22% no tempo médio de viagem dos veículos. Palavras-chaves: congestionamento de trânsito,

A segmentação de veículos é um problema não linear que tem sido atacado na literatura utilizando técnicas de extração de plano de fundo. Nessas técnicas, os dados são classificados em duas classes: plano de fundo e primeiro plano. Os veículos a serem segmentados, neste caso, compõem parte do primeiro plano. Dois métodos muito utilizados para estimar o plano de fundo em ambientes não-controlados são o modelo de mistura de gaussianas de Stauffer e Grimson e o modelo não-paramétrico de Horprasert. Embora esses métodos apresentem resultados satisfatórios, no problema da segmentação de veículos, a classificação é deficiente e ocorrem erros nesse processo. O sistema proposto neste trabalho atua na redução dessas deficiências. Entre elas, os erros de classificação nas regiões internas dos veículos. Para aprimorar o processo de segmentação e reduzir as falhas, o sistema proposto conta com duas etapas: a filtragem e a estimação de limiar. Enquanto a filtragem busca corrigir e detectar os erros de classificação, a estimação de limiar realiza uma realimentação na próxima iteração da classificação. A realimentação é realizada com o objetivo de melhorar a classificação do primeiro plano, atuando unicamente nessas áreas. Para avaliar a proposta, quatro bases foram criadas. Essas bases avaliam os métodos testados considerando as mudanças e os fatores de variação ao longo do dia. Dessa forma, o sistema proposto é avaliado como uma solução prática viável para ser utilizada. Os resultados das métricas de avaliação utilizadas neste trabalho se mostram maiores no sistema proposto. Contudo, ainda mais importante que os acertos é a estabilização do comportamento da proposta sob variação dos fatores. A estabilidade de comportamento permite a definição de limiares fixos para todos os contextos, o que não é um indicado para os outros métodos testados. 

O problema de agrupamento (clustering) tem sido considerado como um dos problemas mais relevantes dentre aqueles existentes na área de aprendizagem de máquina não-supervisionada. Embora o desenvolvimento e aprimoramento de algoritmos que solucionam esse problema tenham sido o principal foco de muitos pesquisadores, a compreensão da definição dos grupos é tão importante quanto a formação dos grupos (clusters). Uma boa definição de um cluster representa um entendimento significativo e pode ajudar na interpretação dos dados. Frente ao problema de compreender a definição dos clusters, é descrita uma solução que utiliza a teoria de conjuntos fuzzy para identificar os elementos mais relevantes do agrupamento e modelar faixas de valores que sejam capazes de identificar cada um dos clusters, baseando-se em características únicas. Os experimentos realizados demostram que o modelo proposto é bastante factível e capazes de construir faixas de valores para a identificação dos clusters, assim como classificar novos elementos utilizando as definições fornecidas.

Uma diversidade de fatores influencia na expectativa de vida de uma pessoa, e um fator fundamental é o cuidado com a própria saúde. Porém, o cuidado com a saúde não possui um baixo custo; empresas privadas, denominadas Operadoras de Plano de Saúde(OPS), são geralmente responsáveis pelo pagamento das contas de medicamentos, exames médicos, internações e outros custos hospitalares. O funcionamento financeiro estável da OPS está diretamente relacionado à permanência dos beneficiários na empresa e, portanto, inversamente relacionado à quantidade de cancelamentos eletivos desses contratos. O cancelamento eletivo tipifica-se quando o beneficiário decide, de forma deliberada, cancelar o contrato estabelecido com a OPS, fato que pode comprometer a receita desta. O objetivo principal deste trabalho consiste em desenvolver uma abordagem para caracterizar o cancelamento eletivo de contratos em planos de saúde privados. A abordagem proposta é constituída por três fases:Pré-Processamento, Mineração de Dados e Priorização de Contratos.A fase de Pré-Processamento visa garantir uma maior qualidade às informações de contratos extraídos da base de dados de uma OPS real. A fase de Mineração de Dados explora os dados pré-processados com o intuito de descobrir novos conhecimentos, ou seja, padrões, relacionamento entre atributos e tendências ainda não conhecidas pela gestão da OPS. Essa fase de Mineração de Dados é responsável por reconhecer contratos ativos com características de contratos já cancelados, por meio de modelos de classificação; identificar que tipos de ações e comportamentos levam os beneficiários da OPS a cancelarem seus contratos, por meio da análise de árvores de decisão; e   estimar o tempo restante até o cancelamento do contrato, por meio de técnicas de regressão. Dessa forma, a gestão da OPS pode interceder de forma proativa no problema do cancelamento, ou seja, anteceder-se à possível saída de um beneficiário da empresa e promover ações que evitem tal evento. A fase de Priorização de Contratos objetiva evidenciar quais contratos apresentam um maior risco de serem cancelados, permitindo que a gestão da OPS possa avaliá-los de forma priorita´ria. Por fim, é realizado em conjunto de experimentos demosntrando passo-a-passo a execução prática da abordagem proposta, com a apresentação dos resultados e discussões.

A vida do ser humano tem se tornado cada vez mais confortável com os principais avanços da robótica. Estes avanços contribuíram com o aumento da qualidade de vida e propostas de soluções para diversas tarefas do dia-a-dia sejam elas domésticas, industriais, militares e segurança pública. Os primeiro robôs eram fixos e constituídos basicamente de braços manipuladores. Os manipuladores movem-se com grande velocidade e precisão para o desenvolvimento de tarefas repetitivas, tais como a soldagem e a pintura. Porém, estes robôs comerciais sofrem de uma desvantagem fundamental: a perda da mobilidade. Neste contexto, surge o robô autônomo móvel que tem a habilidade de mover-se em seu ambiente e desenvolver inúmeras tarefas. Um robô móvel deve estar apto às mudanças do seu ambiente, aprender com suas experiências e mudanças de comportamento de forma apropriada e construir uma representação interna de seu ambiente para que possa ser usado em processos de navegação. No entanto, um problema comum em navegação autônoma é a necessidade de lidar com uma grande quantidade de incerteza provinda dos sensores do robô. Muitas destas fontes de incerteza influenciam o desempenho do sistema de navegação autônoma. Para lidar com informação aproximada, incerta ou incompleta, a lógica fuzzy, que é inspirada na capacidade de raciocinar uma informação percebida pelo ser humano, tornou-se uma abordagem satisfatório e comum entre os pesquisadores da área de robótica autônoma. Uma solução tipicamente utilizada em navegação autônoma são os Sistemas de Inferência Fuzzy do Tipo-1. No entanto, estes sistemas possuem limitada capacidade de representar as incertezas em suas funções de pertinência. Alternativamente, Sistemas de Inferência Fuzzy do Tipo-2 possibilitam modelar essas incertezas com melhor desempenho. O principal objetivo deste trabalho é desenvolver um sistema de planejamento de movimento para robôs de pequeno porte, com rodas, em ambientes indoors incertos, e desconhecidos, usando um sistema de inferência fuzzy do tipo-2 intervalar para um mapeamento qualitativo. Para o desenvolvimento do sistema, são realizadas simulações em que o robô deverá navegar em cenários complexos, com a finalidade de verificar a robustez e eficiência do sistema. Para alcançar esse objetivo, foram realizados: uma modelagem do erro do sonar do robô, uma comparação com os sistemas fuzzy tipo-1 e tipo-2 intervalar nos cenários propostos, a implementação de uma abordagem fuzzy tipo-2 intervalar para navegação segura, implementação de uma estratégia de exploração em ambientes desconhecidos e propor uma abordagem qualitativa para o mapeamento do robô. Os resultados encontrados nos três experimentos propostos permitem deduzir que esta abordagem ofereceu uma solução satisfatória para navegação de robôs autônomos.

Com a popularização da internet muitas pessoas trabalham ou buscam entretenimento em meios virtuais. Levando em consideração esta tendência, a formação de equipes para a execução de um trabalho ou em um jogo de equipes passou a ter grande importância. Neste sentido, o presente estudo objetivou criar e analisar uma abordagem para formação de equipes que melhore o engajamento de usuários em jogos eletrônicos em grupo, diminuindo a taxa de abandono, por meio da formação de equipes equilibradas, combinadas automaticamente pelo sistema de formação de partidas (match making). Tomou-se o Dota 2 como referência prática de jogo real, pois possui uma ampla variedade de heróis, que juntamente com a forma de jogar de cada usuário, torna cada batalha singular. Abordou-se a formação de equipes em um dos gêneros de jogos mais famosos, conhecido como Multiplayer Online Battle Arena (MOBA), de ação e estratégia em tempo real, onde equipes se enfrentam em um campo de batalha. Para investigar a formação e balanceamento das equipes, foram analisadas cerca de 11 milhões de partidas para classificar o perfil do jogador. Foram encontrados 12 agrupamentos de desempenho de usuário do DOTA 2 e, em seguida identificados os perfis de comportamento comuns de cada cluster, usados na criação de uma abordagem voltada para a eleição de jogadores na formação de partidas. Comprovou-se que quanto maior o grau de desbalanceamento de classes entre os jogadores das equipes, menor a duração da partida e a equipe vencedora sobrepuja a outra com uma diferença maior de pontos. A metodologia para detectar desbalanceamento pode ser aplicada na formação de equipes em jogos virtuais e proporcionar melhorias no grau de engajamento.

O significativo crescimento da Internet e o surgimento de novas aplicações têm contribuído para um aumento da demanda de largura de banda. Em virtude disto, as principais redes de transporte do mundo utilizam redes ópticas, especialmente por causa do grande potencial de transmissão da fibra óptica. Mais recentemente, a literatura vem apontando o uso de redes ópticas com comutação híbrida como uma alternativa para melhor adaptar os diferentes tipos de comutação ao tráfego heterogêneo das redes de transporte. Em uma rede óptica híbrida dois ou mais paradigmas de comutação podem ser utilizados ao mesmo tempo para transportar diferentes tipos de tráfego. Este trabalho de mestrado propõe uma arquitetura para redes ópticas híbridas que utilizam dois paradigmas de comutação: Comutação de Circuitos Ópticos (Optical Circuit Switching - OCS) e a Comutação de Rajadas Ópticas (Optical Burst Switching - OBS). A arquitetura proposta viabiliza a definição de regras de classificação de fluxos de tráfego das redes de acesso IP. Além disso, sinaliza para rede óptica híbrida o paradigma mais apropriado, OCS ou OBS, a ser utilizado. A solução proposta utiliza a flexibilidade das redes definidas por software, mais especificamente o protocolo OpenFlow, para permitir a implementação de diferentes regras de classificação. O processo de sinalização é validado através de experimentos usando o OpenFlow. É apresentado um estudo de avaliação de desempenho da arquitetura utilizando o simulador TONetS. As métricas utilizadas para o processo de avaliação foram a utilização efetiva da rede e o percentual de entrega de dados.

Na tarefa de classificação utilizando algoritmos de aprendizado de máquina, considera-se a existência de uma base de dados chamada conjunto de treinamento. Esse conjunto possui exemplos que são rotulados(pré-classificados) e utilizados no treinamento do classificador. Deve ter um total de exemplos significativo e equilibrado para que, após o treinamento, o classificador tenha um desempenho satisfatório. Porém, na maioria dos casos reais, obter esse conjunto de treinamento com a quantidade de exemplos suficientes para induzir um classificador no treinamento pode ser oneroso, pois é necessário que seja realizada uma rotulação dos dados por um especialista no problema em questão. Exemplos não-rotulados são mais fáceis de serem coletados em comparação aos que possuem rótulos. A literatura mostra o interesse da comunidade científica em uma nova abordagem de aprendizado chamada de semissupervisionada. Este tipo de aprendizado trabalha em um cenário em que existe um conjunto de dados rotulados, insuficiente para treinar um classificador, juntamente com um outro conjunto com dados não-rotulados, também, disponível no treinamento. O objetivo do trabalho é propor um método que visa rotular dados a partir de um pequeno conjunto rotulado. Esse método combina um classificador e um agrupador para realizar a tarefa de classificação de forma simples em relação à outros métodos encontrados na literatura. Foram realizados experimentos utilizando 5 bases de dados e os resultados comparados com os algoritmos co-training e k-meanski, que são outros algoritmos semissupervisionados que possui o mesmo propósito.

Apresentamos um algoritmo usado para detectar o contato e encontrar a distância entre dois objetos convexos. Esta distância é definida como o comprimento do caminho mais próximo ligando um objeto ao outro. O problema é formulado como um problema de otimização convexo, com restrições não lineares, que é resolvido por um método de penalidades. Relatamos experiências numéricas que ilustram o comportamento do método proposto.

Diversos artefatos precisam ser criados durante o processo de desenvolvimento de software, tais como: diagramas, documentos do projeto, modelos UML, protótipos de interface, código fonte, casos de testes, entre outros. Criar esses artefatos demanda muito tempo e recursos. Nesta dissertação, apresenta-se a ferramenta EasyGUI Prototyping que contribui para a geração de protótipos de interface de usuário, diagramas de classe e diagramas de casos de uso a partir de descrições textuais de casos de uso utilizando técnicas de processamento de linguagem natural. A ferramenta implementa dois métodos que viabilizam a identificação dos elementos dos diagramas e dos protótipos de interface chamados de padrões linguísticos e estrutura frasal. Os métodos foram avaliados através do uso de métricas da área de recuperação de informação. Posteriormente, um estudo experimental foi realizado em ambiente acadêmico e ambiente industrial com o intuito de avaliar se a ferramenta desenvolvida contribui para reduzir o esforço na criação de protótipos e ainda mantém ou melhora a qualidade compatível com a geração manual.

As arquiteturas de microprocessadores evoluíram significativamente desde seu surgimento em 1971. O Intel 4004, que foi o primeiro microprocessador comercializado, trabalhava com registradores de 4 bits, tinha apenas 46 instruções e sua integração requereu cerca de 2300 transistores, ocupando um área de 12 mm², com uma tecnologia de 10um. Atualmente, quando vivemos a era dos microprocessadores multicore, temos, por exemplo, o microprocessador Intel Xehon Phi, que integra 10 núcleos de processamento, requer aproximadamente 5 bilhões de transistores para a sua integração, usando uma tecnologia de 22 nm.

 Esta evolução, que se deu como resultado da constante busca pelo aumento de desempenho, teve dois “atores” principais. A evolução dos processos tecnológicos de integração, por um lado, implicaram em redução de área e aumento da freqüência  de execução.  Evoluções arquiteturais, por outro lado, contribuíram significativamente para a melhoria e aceleração do processamento. Entre as evoluções arquiteturais pode-se citar como estando entre as mais importantes, a utilização de hierarquias de memória, que permitiu reduzir o tempo de acesso a instruções e dados e o modelo de execução em pipeline, que permitiu aumentar a vazão no que se refere a execução de instruções.

 Nos últimos anos, devido a integração de múltiplos núcleos de processamento no mesmo chip (arquitetura multicore, many-core ou Multiprocessor Systems on Chip), observou-se que o problema conhecido como Memory Wall migrou da interface entre o microprocessador e a memória externa, para o interior dos chip, situando-se entre a interface dos núcleos e a memória local. Uma alternativa para minimizar ou resolver este problema está na redefinição das hierarquias de memória das arquiteturas multicore utilizando memória local de rascunho. As memórias locais de rascunho apresentam vantagens quando comparadas as memórias cahce devido a: (1) menor consumo de energia; (b) flexibilidade quanto ao gerenciamento.

 Nesta dissertação propomos a utilização do método de pré-busca de dados como uma técnica de gerenciamento da memória local de rascunho de arquiteturas multicore. Para validação da proposta um bloco de hardware será desenvolvido com o auxílio da linguagem VHDL, uma vez prototipado o bloco de hardware será validado por simulação e prototipagem em placas de desenvolvimento dotadas de circuitos reconfiguráveis (FPGA – Field Programmable Gate Array).

Atualmente as redes ópticas são apontadas como a principal tecnologia para compor a atual infraestrutura
das redes de transportes e atender a crescente demanda por banda passante em seu
backbone. Uma rede óptica transparente é caracterizada pela inexistência do processamento
eletrônico no plano de dados. Existem diferentes alternativas que viabilizam a comunicação
em redes ópticas transparentes. Uma delas consiste em combinar os paradigmas Optical Circuit
Switching (OCS) e Optical Burst Switching (OBS) em uma única rede. Essa arquitetura
é denominada de rede óptica com comutação híbrida OCS/OBS. Essa dissertação de mestrado
apresenta um estudo de avaliação de desempenho de redes ópticas transparentes com comutação
híbrida OCS/OBS. Para viabilizar o estudo foi desenvolvida uma ferramenta
de simulação de redes ópticas com comutação híbrida, denominada Hybrid Optical Network
Simulator (HOSNetS).