O documento descreve um sistema de auxílio à classificação de ostracodes desenvolvido para ajudar especialistas e iniciantes a lidar com grandes volumes de informação sobre o domínio. O sistema foi projetado, implementado e validado através de questionários com especialistas, que indicaram que o sistema é útil principalmente para iniciantes ao facilitar a classificação e reduzir a subjetividade, apesar de a base de conhecimento poder ser melhorada com mais informações e imagens.
SisAC - Sistema de auxílio à classificação de ostracodes
1. 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
2. Sumário
Introdução
Paleontologia
Trabalhos Correlatos
Arquitetura do sistema proposto
Validação do Sistema
Conclusões
Perguntas
5 de setembro de 2012 2
3. Sumário
Introdução
Paleontologia
Trabalhos Correlatos
Arquitetura do sistema proposto
Validação do Sistema
Conclusões
Perguntas
5 de setembro de 2012 3
4. 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.
5 de setembro de 2012 4
5. 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;
5 de setembro de 2012 5
6. Sumário
Introdução
Paleontologia
Trabalhos Correlatos
Arquitetura do sistema proposto
Validação do Sistema
Conclusões
Perguntas
5 de setembro de 2012 6
7. 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
5 de setembro de 2012 7
9. Sumário
Introdução
Paleontologia
Trabalhos Correlatos
Arquitetura do sistema proposto
Validação do Sistema
Conclusões
Perguntas
5 de setembro de 2012 9
10. 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
5 de setembro de 2012 10
11. 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
5 de setembro de 2012 11
12. Sumário
Introdução
Paleontologia
Trabalhos Correlatos
Arquitetura do sistema proposto
Validação do Sistema
Conclusões
Perguntas
5 de setembro de 2012 12
21. Matriz de Co-Ocorrência
Caraterística Valor
Segundo Momento Angular 0,5
Constraste 0.1
Correlação 0.3
Homogeneidade 0.4
Caraterística Valor
Segundo Momento Angular 0,1
Constraste 0.9
Correlação 0.1
Homogeneidade 0.1
Caraterística Valor
Segundo Momento Angular 0,9
Constraste 0.3
Correlação 0.7
Homogeneidade 0.9
5 de setembro de 2012 21
23. 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
5 de setembro de 2012 23
24. Representação do Conhecimento
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
5 de setembro de 2012 24
26. Representação do Conhecimento
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
5 de setembro de 2012 26
27. Sumário
Introdução
Paleontologia
Trabalhos Correlatos
Arquitetura do sistema proposto
Validação do Sistema
Conclusões
Perguntas
5 de setembro de 2012 27
28. 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
5 de setembro de 2012 28
30. Validação do Sistemas
Resultados Obtidos
Os resultados demonstram que o sistema se mostrou simples e de
fácil utilização;
5 de setembro de 2012 30
31. Validação do Sistemas
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
5 de setembro de 2012 31
32. Validação do Sistemas
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
5 de setembro de 2012 32
33. Validação do Sistemas
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
5 de setembro de 2012 33
34. Validação do Sistemas
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
5 de setembro de 2012 34
35. Validação do Sistemas
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
5 de setembro de 2012 35
36. Sumário
Introdução
Paleontologia
Trabalhos Correlatos
Arquitetura do sistema proposto
Validação do Sistema
Conclusões
Perguntas
5 de setembro de 2012 36
37. 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
5 de setembro de 2012 37
38. 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
5 de setembro de 2012 38
40. 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.
5 de setembro de 2012 40
41. 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
5 de setembro de 2012 41
42. Embasamento Teórico
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
5 de setembro de 2012 42
43. Embasamento Teórico
Raciocínio Baseado em Casos (RBC)
5 de setembro de 2012 43
45. Embasamento Teórico
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
5 de setembro de 2012 47
46. Embasamento Teórico
Detecção de Cantos por K-Cossenos
5 de setembro de 2012 48
47. Embasamento Teórico
Detecção de Cantos por K-Cossenos
5 de setembro de 2012 49
48. Embasamento Teórico
Detecção de Cantos por K-Cossenos
5 de setembro de 2012 50
49. Embasamento Teórica
Detecção de Cantos por K-Cossenos
5 de setembro de 2012 51
50. Embasamento Teórico
Detecção de Cantos por K-Cossenos
5 de setembro de 2012 52
55. Embasamento Teórico
Matriz de Co-Ocorrência
Segundo Momento Angular
Contraste
Correlação
Homogeneidade
5 de setembro de 2012 57
56. Validação do Sistemas
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
5 de setembro de 2012 58