SisAC - Sistema de auxílio à classificação de ostracodes

SisAC – Sistema de Auxílio à
Classificação

Estudo de caso: Ostracode

Giovani Manica Barili
giovanimanicabarili@gmail.com

Prof. Dr. João Francisco Valiati (Orientador)

Universidade do Vale do Rio dos Sinos
Programa Interdisciplinar de Pós-Graduação em Computação Aplicada (PIPCA)

Março 2011

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

5 de setembro de 2012 2

Sumário
 Introdução
 Paleontologia
 Conclusões
 Perguntas


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
 Introdução
 Paleontologia
 Conclusões
 Perguntas


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
 Introdução
 Paleontologia
 Conclusões
 Perguntas


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
 Introdução
 Paleontologia
 Conclusões
 Perguntas


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


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


Regras
 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


Regras


Domínio 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
 Introdução
 Paleontologia
 Conclusões
 Perguntas


Validação do Sistema
Forma 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 3
Responder um questionário com perguntas fechadas
Tinha 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 Sistemas
Resultados Obtidos


Resultados Obtidos

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


Resultados Obtidos

 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


Resultados Obtidos

 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


Resultados Obtidos

 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


Resultados Obtidos

 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


Observações 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
 Introdução
 Paleontologia
 Conclusões
 Perguntas


Conclusões

 Como resultado:
 Obteve-se um sistema:
Robusto
Genérico
Centralizado
Disseminador
Tipificação 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


Conhecimento 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


Raciocínio Baseado em Casos (RBC)


Processamento 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-Ocorrência
Quantifica


Embasamento Teórica



0° 45°

90° 135°



 Segundo Momento Angular

 Contraste

 Correlação

 Homogeneidade


Comentário 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


SisAC - Sistema de auxílio à classificação de ostracodes

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a SisAC - Sistema de auxílio à classificação de ostracodes

Semelhante a SisAC - Sistema de auxílio à classificação de ostracodes (20)

SisAC - Sistema de auxílio à classificação de ostracodes