• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
10.11606/T.3.2012.tde-07052012-122345
Documento
Autor
Nome completo
Elisangela Silva da Cunha Rodrigues
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2012
Orientador
Banca examinadora
Rocha, Ricardo Luis de Azevedo da (Presidente)
Arias, Maria Cristina
Cugnasca, Carlos Eduardo
Fonseca, Vera Lucia Imperatriz
Gomi, Edson Satoshi
Título em português
Teoria da informação e adaptatividade na modelagem de distribuição de espécies.
Palavras-chave em português
Descrição com comprimento mínimo
Entropia máxima
Modelagem de distribuição de espécies
Tecnologia adaptativa
Resumo em português
A modelagem de distribuição de espécies é uma técnica cuja finalidade é estimar modelos baseados em nichos ecológicos. Esses modelos podem auxiliar nos processos de tomadas de decisões, no planejamento e na realização de ações que visem a conservação e a preservação ambiental. Existem diversas ferramentas projetadas para modelagem de distribuição de espécies, dentre elas o framework openModeller, na qual este trabalho está inserido. Várias técnicas de Inteligência Artificial já foram utilizadas para desenvolver algoritmos de modelagem de distribuição de espécies, como Entropia Máxima. No entanto, as ferramentas estatísticas tradicionais não disponibilizam pacotes com o algoritmo de Entropia Máxima, o que é comum para outras técnicas. Além disso, apesar de existir um software gratuito específico para modelagem de distribuição de espécies com o algoritmo de Entropia Máxima, esse software não possui código aberto. Assim, a base deste trabalho é a investigação acerca da modelagem de distribuição de espécies utilizando Entropia Máxima. Desta forma, o objetivo principal é definir diferentes estratégias para o algoritmo de Entropia Máxima no contexto da modelagem de distribuição de espécies. Para atingir esse objetivo, foram estabelecidos um conjunto de alternativas possíveis a serem exploradas e um conjunto de métricas de avaliação e comparação das diferentes estratégias. Os resultados mais importantes desta pesquisa foram: um algoritmo adaptativo de Entropia Máxima, um algoritmo paralelo de Entropia Máxima, uma análise do parâmetro de regularização e um método de seleção de variáveis baseado no princípio da Descrição com Comprimento Mínimo (MDL Minimum Description Length), que utiliza aprendizagem por compressão de dados.
Título em inglês
Information theory and adaptivity in the species distribution modeling.
Palavras-chave em inglês
Adaptive technology
Maximum entropy
Minimum description length
Species distribution modeling
Resumo em inglês
Species distribution modeling is a technique the purpose of which is to estimate models based on ecological niche. These models can assist decision making processes, planning and carrying out actions aiming at environmental conservation and preservation. There are several tools designed for species distribution modeling, such as the open- Modeller framework, in which this work is inserted. Several Artificial Intelligence techniques have been used to develop algorithms for species distribution modeling, such as Maximum Entropy. However, traditional statistical tools do not offer packages with the Maximum Entropy algorithm, which is common to other techniques. Furthermore, although there is specific free software for species distribution modeling with the Maximum Entropy algorithm, this software is not open source. The basis of this work is the investigation of the species distribution modeling using Maximum Entropy. Thus, its aim is to define different strategies for the Maximum Entropy algorithm in the context of the species distribution modeling. For this, a set of possible alternatives to be explored and a set of metrics for evaluation and comparison of the different strategies were established. The most important results were: an adaptive Maximum Entropy algorithm, a parallel Maximum Entropy algorithm, an analysis of the regularization parameter and a variable selection method based on the Minimum Description Length principle, which uses learning by data compression.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2012-05-11
 
AVISO: O material descrito abaixo refere-se a trabalhos decorrentes desta tese ou dissertação. O conteúdo desses trabalhos é de inteira responsabilidade do autor da tese ou dissertação.
  • RODRIGUES, E. S. C., et al. Adaptive Approach for a Maximum Entropy Algorithm in Ecological Niche Modeling. Revista IEEE América Latina, 2011, vol. 9, p. 331-338.
  • RODRIGUES, E. S. C., et al. Selection of Niche-based Models With Minimum Description Length [doi:10.6062/jcis.2011.02.02.0040]. Journal of Computational Interdisciplinary Sciences [online], 2011, vol. 2, p. 131-137.
  • RODRIGUES, E. S. da C., et al. Minimum description length principle to select environmental layers in modeling of species geographical distribution. Journal of Computational Interdisciplinary Sciences [online], 2011, vol. 2, p. 131-137. Available from: http://epacis.net/jcis/PDF_JCIS/JCIS11-art.40.pdf.
  • RODRIGUES, E. S. da C., ROCHA, R. L. A., and RODRIGUES, F. A. Computational Complexity of Adaptive Algorithms. Lecture Notes in Information Technology, 2012, vol. 38, p. 182-187.
  • RODRIGUES, ELISÂNGELA S. DA C., et al. Evaluation of different aspects of maximum entropy for niche-based modeling [doi:10.1016/j.proenv.2010.10.111]. Procedia Environmental Sciences [online], 2010, vol. 2, p. 990-1001.
  • RODRIGUES, E. S. C., et al. MDL-based Clustering for Modeling of Species Geographic Distribution. In ISEI7 7th International Conference on Ecological Informatics, Ghent, Belgium, 2010. ISEI7 Book of Abstracts.Ghent : Ghent University, 2010. Resumo.
  • RODRIGUES, E. S. C., et al. An adaptive maximum entropy approach for modeling of species distribution. In Quarto Workshop de Tecnologia Adaptativa - WTA 2010, São Paulo, 2010. Memórias do WTA 2010 - Quarto Workshop de Tecnologia Adaptativa.São Paulo : Escola Politécnica da USP, 2010. Dispon?vel em: http://www.pcs.usp.br/~lta/artigos/memorias-wta2010.pdf.
  • RODRIGUES, E. S. C., et al. Evaluation of different aspects of maximum entropy for niche-based modeling. In ISEIS 2010 Ecological Informatics and Ecosystem Conservation, Beijing, 2010. International Society for Environmental Information Sciences 2010 Annual Conference (ISEIS). : Elsevier, 2010.
  • RODRIGUES, E. S. C., RODRIGUES, F. A., and ROCHA, R. L. A. Computational Complexity of Adaptive Algorithms. In Third International Conference on Theoretical and Mathematical Foundations of Computer Science, Bali, Indonesia, 2012. Proceedings of the Third International Conference on Theoretical and Mathematical Foundations of Computer Science.Pequim : Information Engineering Research Institute (IERI), 2012.
  • RODRIGUES, E. S. C., RODRIGUES, F. A., and ROCHA, R. L. A. Species Distribution Modeling with the Maximum Entropy Algorithm. In 17th International Conference on Computing - CIC 2008, Mexico City, 2008. Proceedings of the CIC 2008.Mexico City, 2008. Abstract.
  • RODRIGUES, E. S. C., RODRIGUES, F. A., e ROCHA, R. L. A. Algoritmo Paralelo de Entropia Máxima Aplicado a Modelagem de Nicho Ecológico. In 7th International Information and Telecommunication Technologies Symposium - I2TS'2008, Foz do Iguaçu, 2008. Proceedings of the 7th International Information and Telecommunication Technologies Symposium.Foz do Iguaçu : Hidroelétrica de Itaipu Binacional - Parque Tecnológico de Itaipu (PTI), 2008. Resumo.
  • RODRIGUES, F. A., et al. Performance Analysis of Machine Learning Algorithms in Biodiversity Modeling. In ISEI7 7th International Conference on Ecological Informatics, Ghent, Belgium, 2010. ISEI7 Book of Abstracts.Ghent : Ghent University, 2010. Resumo.
  • RODRIGUES, F. A., et al. Species distribution modeling with neural networks. In e-Biosphere 2009, London - UK, 2009. Proceedings of the e-Biosphere 2009.London : Encyclopedia of Life, 2009. Abstract. Available from: http://www.e-biosphere09.org/FinalAbstractVolume.pdf.
  • RODRIGUES, E. S. C., RODRIGUES, F. A., e ROCHA, R. L. A. Automatos Adaptativos para Emparelhamento de Cadeias. In Segundo Workshop de Tecnologia Adaptativa - WTA'2008, São Paulo, 2008. Memórias do Segundo Workshop de Tecnologia Adaptativa.São Paulo : Escola Politécnica da USP, 2008. Dispon?vel em: http://www.pcs.usp.br/~lta/artigos/memorias-wta2008.pdf.
  • RODRIGUES, E. S. C., RODRIGUES, F. A., e ROCHA, R. L. A. Dispositivo Adaptativo na Análise de Modelos de Distribuição de Espécies. In III Workshop de Tecnologia Adaptativa - WTA 2009, São Paulo, 2009. Memórias do WTA 2009 - Terceiro Workshop de Tecnologia Adaptativa.São Paulo : Escola Politécnica da USP, 2009.
  • RODRIGUES, F. A., et al. Modelagem da Biodiversidade Utilizando Redes Neurais Artificiais. In XXX Congresso da Sociedade Brasileira de Computação - Computação Verde: Desafios Científicos e Tecnológicos, Belo Horizonte, 2010. II Workshop de Computação Aplicada à Gestão do Meio Ambiente e Recursos Naturais.Belo Horizonte : Editora da UFMG, 2010.
  • CORRÊA, Pedro Luiz Pizzigatti, et al. Computational Techniques for Biologic Species Distribution Modeling. In Hércules Antonio do Prado, Alfredo José Barreto Luiz, e Homero Chaib Filho. Computational Methods Applied to Agricultural Research: Advances and Applications. Organizador. Hershey, Pennsylvania : IGI Global, 2010{Volume}. cap. 1.http://www.teses.usp.br/teses/disponiveis/3/3141/tde-07052012-122345/
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2021. Todos os direitos reservados.