https://www.alice.cnptia.embrapa.br/alice/handle/item/201 Tese/dissertação (CNPTIA) Mon, 27 Apr 2026 05:47:55 GMT 2026-04-27T05:47:55Z https://www.alice.cnptia.embrapa.br/alice/handle/doc/959732 Título: Priorização de projetos de PD&I visando à construção de um portfólio competitivo utilizando o processo de análise hierárquica. Autoria: OLIVEIRA, D. R. M. dos S. Conteúdo: A trajetória de uma empresa rumo à inovação tecnológica passa por diversas etapas, incluindo a gestão do seu portfólio de projetos. Esse portfólio deve estar alinhado aos objetivos estratégicos da empresa, com o propósito de identificar de forma clara a demanda, aonde se quer chegar e qual a forma de se chegar lá. Este trabalho mostra um estudo de caso realizado em uma empresa de pesquisa, desenvolvimento e inovação, em duas fases distintas, relacionadas à gestão de portfólio de projetos. Na primeira fase, faz-se uma análise retrospectiva do banco de projetos da empresa, resgatando informações do que se fez no passado. Na segunda etapa, faz-se uma análise prospectiva do que se deseja priorizar para a aplicação de recursos, utilizando critérios pré-estabelecidos no Processo de Análise Hierárquica. Para esta análise, usam-se critérios que levam em consideração outros fatores, que não sejam exclusivamente técnicos. Os projetos priorizados devem assegurar a vantagem competitiva da organização. A hipótese norteadora da pesquisa é que é possível propor um portfólio competitivo de novos projetos de pesquisa, a partir da análise de critérios pré-estabelecidos, utilizando a metodologia do Processo de Análise Hierárquica, que priorize a inovação tecnológica e as formas de transferência de tecnologia. Um dos principais resultados foi a importância de se conhecer e recuperar o histórico da pesquisa na empresa, observando as lacunas a serem detalhadas no futuro. Para isso, pode-se utilizar uma ferramenta de gestão de portfólio prospectiva, como o processo de análise hierárquica, para auxiliar na identificação e priorização de critérios para a gestão do portfólio de projetos. Tue, 01 Jan 2013 00:00:00 GMT https://www.alice.cnptia.embrapa.br/alice/handle/doc/959732 2013-01-01T00:00:00Z https://www.alice.cnptia.embrapa.br/alice/handle/doc/876360 Título: Integrating time series mining and fractals to discover patterns and extreme events in climate and remote sensing databases. Autoria: ROMANI, L. A. S. Conteúdo: This thesis presents new methods based on fractal theory and data mining techniques to support agricultural monitoring in regional scale, specifically regions with sugar cane fields. This commodity greatly contributes to the Brazilian economy since it is a viable alternative to replace fossil fuels. Since climate influences the national agricultural production, researchers use climate data associated to agrometeorological indexes, and recently they also employed data from satellites to support decision making processes. In this context, we proposed a method that uses the fractal dimension to identify trend changes in climate series jointly with a statistical analysis module to define which attributes are responsible for the behavior alteration in the series. Moreover, we also proposed two methods of similarity measure to allow comparisons among different agricultural regions represented by multiples variables from meteorological data and remote sensing images. Given the importance of studying the extreme weather events, which could increase in intensity, duration and frequency according to different scenarios indicated by climate forecasting models, we proposed the CLIPSMiner algorithm to identify relevant patterns and extremes in climate series. CLIPSMiner also detects correlations among multiple time series considering time lag and finds patterns according to parameters, which can be calibrated by the users. We applied two distinct approaches in order to discover association patterns on time series. The first one is the Apriori-FD method that integrates an algorithm to perform attribute selection through applying the correlation fractal dimension, an algorithm of discretization to convert continuous values of series into discrete intervals, and a well-known association rules algorithm (Apriori). Although Apriori-FD has identified interesting patterns related to temperature, this method failed to appropriately deal with time lag. As a solution, we proposed CLEARMiner that is an unsupervised algorithm in order to mine the association patterns in one time series relating them to patterns in other series considering the possibility of time lag. The proposed methods were compared with similar techniques as well as assessed by a group of meteorologists, and specialists in agrometeorology and remote sensing. The experiments showed that applying data mining techniques and fractal theory can contribute to improve the analyses of agrometeorological and satellite data. These new techniques can aid researchers in their work on decision making and become important tools to support decision making in agribusiness. Fri, 01 Jan 2010 00:00:00 GMT https://www.alice.cnptia.embrapa.br/alice/handle/doc/876360 2010-01-01T00:00:00Z https://www.alice.cnptia.embrapa.br/alice/handle/doc/579846 Título: Contribuições para a construção de taxonomias de tópicos em domínios restritos utilizando aprendizado estatístico. Autoria: MOURA, M. F. Conteúdo: A mineração de textos vem de encontro à realidade atual de compreender e utilizar grandes massas de dados textuais. Uma forma de auxiliar a compreensão dessas coleções de textos é construir taxonomias de tópicos a partir delas. As taxonomias de tópicos devem organizar esses documentos, preferencialmente em hierarquias, identificando os grupos obtidos por meios de descritores. Construir manual, automática ou semi-automaticamente taxonomias de tópicos de qualidade é uma tarefa nada trivial. Assim, o objetivo deste trabalho é construir taxonomias de tópicos em domínios de conhecimento restrito, por meio de mineração de textos, a fim de auxiliar o especialista no domínio de compreender e organizar textos. Thu, 01 Jan 2009 00:00:00 GMT https://www.alice.cnptia.embrapa.br/alice/handle/doc/579846 2009-01-01T00:00:00Z https://www.alice.cnptia.embrapa.br/alice/handle/doc/82758 Título: Modelo fuzzy para recuperação da informação utilizando múltiplas ontologias relacionadas. Autoria: LEITE, M. A. de A. Conteúdo: Com a crescente popularidade da World Wide Web mais pessoas têm acesso à informação cujo volume vem expandindo ao longo do tempo. A área de recuperação de informação ganhou um novo desafio visando buscar os recursos pelo significado da informação neles contida. Uma forma de recuperar a informação, pelo seu significado, é pelo uso de uma base de conhecimento que modela os conceitos de um domínio e seus relacionamentos. Atualmente, ontologias têm sido utilizadas para modelar bases de conhecimento. Para tratar com a imprecisão e a incerteza, presentes no conhecimento e no processo de recuperação de informação, são empregadas técnicas da teoria de conjuntos fuzzy. Trabalhos precedentes codificam a base de conhecimento utilizando apenas uma ontologia. Entretanto, uma coleção de documentos pode tratar temas pertencentes a domínios diferentes, expressos por ontologias distintas, que podem estar relacionados. Neste trabalho, uma forma de organização e representação do conhecimento em múltiplas ontologias relacionadas foi investigada e um novo método de expansão de consulta foi desenvolvido. A organização do conhecimento e o método de expansão de consulta foram integrados no modelo fuzzy para recuperação de informação utilizando múltiplas ontologias relacionadas. O desempenho do modelo foi comparado com outro modelo fuzzy para recuperação de informação e com a máquina de busca Lucene do projeto Apache. Em ambos os casos o modelo proposto apresentou uma melhora nas medidas de precisão e cobertura. Palavras-chave: Recuperação de informação fuzzy, Representação do conhecimento, Expansão da consulta, Ontologia. Thu, 01 Jan 2009 00:00:00 GMT https://www.alice.cnptia.embrapa.br/alice/handle/doc/82758 2009-01-01T00:00:00Z