Dissertação - SisAC. Sistema de Auxílio à Classificação. Estudo de Caso: Ostracode

SisAC – Sistema de Auxílio à Classificação

Estudo de caso: Ostracode

Giovani Manica Barili

[email protected]

Prof. Dr. João Francisco Valiati (Orientador)

Universidade do Vale do Rio dos Sinos

Programa Interdisciplinar de Pós-Graduação em Computação Aplicada (PIPCA)

Março 2011

213 de abril de 2023

Sumário

Introdução Paleontologia Trabalhos Correlatos Arquitetura do sistema proposto Validação do Sistema Conclusões Perguntas


Sumário



Introdução

Gerenciamento de grandes volumes de informação necessárias para construção de raciocínios

Necessidade de fácil recuperação das informações sobre um conhecimento de um domínio de estudo

Estruturas organizacionais para catalogar e classificar informações de conhecimentos: Atlas Árvore taxonômicas Chaves dicotômicas Bibliotecas

Como resultado, a indústria e setores acadêmicos buscam ou criam ferramentas computacionais que visam auxiliar na solução de problemas e/ou na tomada de decisão.


Introdução Objetivo Principal

Desenvolver um sistema que auxilie especialistas e neófitos a lidarem com grandes volumes de informação referente ao conhecimento de seu domínio de estudo

Aplicar o sistema em um domínio real para avaliação. Estudo de caso Ostracode

Objetivos Específicos

Projetar o sistema, incluíndo os módulos para lidar com SE e PI;

Implementar o sistema projetado; Popular o sistema com o conhecimento do estudo de caso por

meio de um especialista; Validar o sistema com usuários especialistas e neófitos do

estudo de caso por meio de uma atividade e um questionário; Analisar o resultado dos questionários respondidos;


Sumário



Paleontologia A Terra existe a 4,6 bilhões de anos Passou e continua passando por evoluções A vida na Terra teve início há 600 milhões de anos

Formas de vida exclusivamente marinhos Extremamente pequenos Pouco especializados

Entre 250 a 65 milhões já existiam animais maiores Presentes na terra e no mar Representados pelos dinossauros

Somente a 65 milhões de anos até os dias de hoje a Terra passou a ter flores, plantas, frutos e mamíferos, que originariam o homem

Biota que deu origem a vida Foraminíferos Radioláres Nanofósseis Dinoflagelados Ostracodes


Paleontologia


Sumário



Trabalhos Correlatos An application of expert systems to botanical taxonomy –

Contreras et al, 2003 Auxiliar pesquisadores de botânica na tarefa de classificação

de plantas Autor comenta que a estruturação das regras em formas de

árvores são semelhantes as chaves dicotomáticas Utilização de imagem e texto como forma de descrição das

características que descrevem as plantas e os conhecimentos

Computer aided diagnosis system of medical images using incremental learning method – Park et al, 2009 Visa auxiliar radiologistas na interpretação de imagens de

raio-x Utiliza ferramentas de Processamento de Imagem para

extração de características A base de regras foi composta por apenas 29 regras Não pode ser comparado com outro sistema pois esse sistema

seria único a integrar PI com técncias de IA


Trabalhos Correlatos

Expert System for pests, diseases and weeds identification in olive crops – Gonzales-Andujar, 2009 Visa classificar e identificar pestes, doenças e ervas

daninha que prejudicam as plantações de oliva. Sistema validado em dois passos:

Validação e verificação testandos todas as regras do sistema

Atividade com 20 alunos e especialistas da área◊ Utilização do sistema para classificar algumas

pestes, doenças e ervas daninhas◊ Respoderam questionário sobre a dificuldade de

classificar e a ajuda que o sistema pode oferecer


Sumário



Arquitetura e funcionalidades do sistema






Detecção de Cantos por K-Cossenos










Matriz de Co-Ocorrência

Caraterística Valor

Segundo Momento Angular 0,5

Constraste 0.1

Correlação 0.3

Homogeneidade 0.4



Constraste 0.9

Correlação 0.1

Homogeneidade 0.1



Constraste 0.3

Correlação 0.7

Homogeneidade 0.9


Matriz de Co-Ocorrência


Representação do Conhecimento

Conhecimento Forma de representar as informações de um objeto de

estudo

Atributos Forma de representar as características de um objeto de

estudo

Valores Conjunto de valores que representam um atributo

Exemplo: Conhecimentos: Carro, Moto, Tricículo, Caminhão Atributo: Quantidade de rodas Valor: +4, 4, 3, 2


Representação do ConhecimentoRegras

Representadas em senteças do tipo IF-THEN Lógica booleana E, OU e NÃO Sentenças formadas por um encadeamento principal unidos

por E e diversos encadeamentos secundários unidos por OU Forma de encadeamento com objetivo de facilitar validação

das regras


Representação do ConhecimentoRegras


Representação do ConhecimentoDomínio de Trabalho

Domínio de Trabalho Forma de gerênciamento e organização das informações

do sistema Definem uma região espacial e o grupo de objetos de

estudo de um domínio a ser trabalhado

Organização fundamental visto a quantidade de informações que podem haver em um domínio de estudos

Visa evitar a apresentação de uma grande quantidade de resultados dado uma grande quantidade de regras


Sumário



Validação do SistemaForma de Validação

Composição do questionário: Atividade 1 e 2

Classificar um conjunto de espécimes com o próprio conhecimento

Classificar outro conjunto de espécimes com o auxílio do sistema

Tinha como objetivo analisar o desempenho dos participantes no processo de classificação

Atividade 3Responder um questionário com perguntas fechadasTinha como objetivo extrair observações pontuais dos

participantes em relação ao sistema Atividade 4

Responder um questionário com perguntas abertas, permitindo sugestões e críticas

Tinha como objetivo extrair observações pessoais dos participantes em relação ao sistema, permitindo que apresentassem suas sugestões e/ou críticas para a melhoria do sistema


Validação do SistemasResultados Obtidos



Os resultados demonstram que o sistema se mostrou simples e de fácil utilização;



Os resultados apresentam que o sistema se mostrou insatisfatório na opinião dos participantes

Tais resultados se dão ao fato da maioria dos participantes ser especialista da área e já possuir conhecimento suficiente para lidar com as subjetividades do domínio



Não foi possível realizar nenhuma análise sobre os resultados, pois não houve consenso entre os participantes

Essa situação se deve ao fato da base de dados estar baseada no atlas, permitindo que os resultados apresentados fossem suficientes para alguns participantes em não para outros



Todos os participantes concordam que a utilização de imagens pode auxiliar no processo de classificação

Como apresentado em trabalhos correlatos, a possibilidade de visualizar as opções de escolha que definem um espécime é de grande ajuda no processo de classificação



Não foi possível extrair uma análise visto que os resultados estão distribuídos na grade de respostas

É possível visualizar que quanto menos conhecimento o participante possui, maior a probabilidade que o sistema auxilie na redução de subjetividade


Validação do SistemasObservações e Críticas dos

participantes

Comentários dos resultados das questões da atividade 4:

Sistema supre as dificuldades como grande quantidade de espécimes e falta de material

Classificação mais rápida com a utilização do sistema

Imagens se mostraram de grande ajuda no processo de classificação

Melhoria na base de conhecimento com mais informações e imagens

Sistema é de grande ajuda para quem está començando a trabalhar com o domínio de estudo


Sumário



Conclusões

Como resultado: Obteve-se um sistema:

RobustoGenéricoCentralizadoDisseminadorTipificação de usuários

Dificuldades Interação com os especialistas do domínio Aquisição do conhecimento especialista


Conclusões

Contribuições Sistema de integração e disseminação do conhecimento

auxiliando a neófitos e especialistas novos no domínio a classificar seus objetos de estudo

Artigos submetidos DEXA 2011 - 22nd International Conference on Database and

Expert Systems Applications ENIA 2011 - VIII Encontro Nacional de Inteligência Artificial

Trabalhos futuros: Aprimorar a base de conhecimento Possibilidade de estender o sistema para outros domínios Validar o sistema utilizando com um grupo maior de neófitos

e especialistas que não estejam inseridos no domínio abordado


Perguntas


Bibliografia POST, E. Formal reduction of the general combinatorial problem.

American Journal of Mathematics, p. 197268, 1943. PARK, M. et al. Computer aided diagnosis system of medical images

using incremental learning method. Expert System with Application, Elsevier, n. 36, p. 72427251, 2009.

GONZALES-ANDUJAR, J. Expert system for pests, diseases and weeds identication in olive crops. Expert System with Application, Elsevier, n. 36, p. 32783282, 2009.

CONTRERAS, W. F. et al. An application of expert systems to botanical taxonomy. Expert System with Application, Elsevier, n. 25, p. 425430, 2003.

BERGUE, C. T. Agulhas e pincéis: as relações entre apaleontologia e a neontologia no estudo dos ostracodes. (noprelo). : Terra e Didatica, 2010.

BITTENCOURT, G. Inteligência Artificial. Ferramentas e Teorias. 3a. Ed. Florianópolis, RS - Brasil: Editora da UFSC, 2006. 371 p.

SUN, T. K-cosine corner detection. Journal Of Computers, Academy Publisher, n. 3, p. 1622, 2008.


Embasamento Teórico

Sistemas Especialistas Conhecimento Baseado em Regras Raciocínio Baseado em Casos

Processamento de Imagens Detecção de Cantos por K-Cossenos Matriz de Co-Ocorrência


Embasamento TeóricoConhecimento Baseado em Regras

(CBR)

Visam simular/recriar o raciocínio de um especialista na tomada de decisão e resolução de problemas

Originados de Sistemas de Produção (Post, ) Generalização das regras de posto permitiu a disseminação

e implementação desses sistema em outras áreas do conhecimento


Embasamento TeóricoRaciocínio Baseado em Casos (RBC)




Embasamento TeóricoProcessamento de Imagem

Processamento de Imagem

Detecção de Cantos por K-Cossenos Visa detectar a quantidade de cantos curvos

presentem em uma contorno

Matriz de Co-OcorrênciaQuantifica


Embasamento TeóricoDetecção de Cantos por K-Cossenos


Embasamento Teórico Detecção de Cantos por K-Cossenos




Embasamento TeóricaDetecção de Cantos por K-Cossenos




Embasamento TeóricoMatriz de Co-Ocorrência





0° 45°

90° 135°





Segundo Momento Angular

Contraste

Correlação

Homogeneidade


Validação do SistemasComentário geral dos resultados

Apesar do sistema não ter se mostrado satisfatório a usuários que já possuem conhecimento do domínio, os mesmos mencionaram em suas respostas que o sistema atendeu seus objetivos e que é de grande ajuda a neófitos e a novos especialistas da área

Alguns participantes mencionam que a base de conhecimento poderia ser melhorada apresentado mais informações e imagens.

As imagens se mostraram de grande interesse dos participantes apresentado grande utilidade no processo de classificação

Technology

Dissertação - SisAC. Sistema de Auxílio à Classificação. Estudo de Caso: Ostracode