---

Área de concentração: 55134 - Ciências de Computação e Matemática Computacional

Criação: 13/03/2019

Nº de créditos: 12

Carga horária:

Teórica Por semana	Prática Por semana	Estudos Por semana	Duração	Total
3	0	9	15 Semanas	180 Horas

Docentes responsáveis:

Agma Juci Machado Traina
Robson Leonardo Ferreira Cordeiro

Objetivos:

Apresentar ao aluno uma visão aprofundada da arquitetura e de técnicas de construção de gerenciadores de objetos complexos, envolvendo conceitos de recuperação de dados por similaridade, explorando tanto a busca em conjuntos de dados isolados quanto de dados representados em relações, como colocados em um Sistema de Gerenciamento de Bases de Dados Relacional – SGBDR. São abordados conceitos de recuperação de dados por conteúdo, explorando as técnicas específicas de recuperação de dados aplicadas a domínios de dados complexos tais como imagens, áudio e dados multidimensionais, onde os elementos de dados são comparados por meio de uma função de avaliação de similaridade, com ênfase no tratamento de bases de imagens. Com isso, pretende-se que o aluno possa fazer uma análise crítica das técnicas de construção de aplicativos que precisam efetuar buscas e recuperar dados complexos em grandes coleções de dados, e estar apto a desenvolver aplicativos de ponta em áreas de atividade tais apoio ao diagnóstico médico por imagens, recuperação e análise de dados de satélite para apoio à agronomia e previsão de clima, visualização e recuperação de coleções de vídeo e fotografias, etc.

Justificativa:

Tem havido crescente disponibilidade de novas formas de coleta de dados e de informações, em grande volume e variedade de formatos, tais como dispositivos móveis (celulares e tablets), redes de sensores (dispositivos de automação e IOT) e equipamentos de coleta de dados em formato digital (equipamentos científicos, industriais, de exames médicos, etc.). Por outro lado, o tratamento individual dos dados cada vez depende mais de informação que deve ser obtida da análise das coleções a que cada elemento pertence. Por exemplo, quando uma imagem de um exame médico precisa ser analisada, o radiologista frequentemente se apoia em ferramentas de auxílio ao diagnóstico que leva em consideração casos anteriores que tenham imagens semelhantes à atual, onde a aplicação de diferentes processos de tratamento levaram a resultados diferentes. No entanto, a busca de dados complexos depende de técnicas diferentes daquelas normalmente usadas para o tratamento de dados escalares (como números e pequenas cadeias de caracteres). Assim, o conhecimento das tecnologias empregadas na construção de aplicações que manipulam dados complexos torna-se importante para obter desempenho e eficiência adequados. Além disso, do ponto de vista do desenvolvimento de pesquisas na área de bases de dados, um conhecimento sólido das técnicas de busca por similaridade em conjuntos de dados complexos é fundamental, pois a evolução do estado da arte somente pode ser conseguida quando corretamente contextualizadas nas tecnologias atuais que vêm sendo desenvolvidas para esses sistemas.

Conteúdo:

- Arquitetura de sistemas de recuperação de dados complexos por similaridade.
- Ferramentas computacionais para recuperação de dados complexos por similaridade.
- Sistemas de Recuperação de dados complexos por conteúdo.
- Técnicas para extração de características de imagens e áudio.
- Funções de distância para dados dimensionais, conjuntos, sequências e grafos.
- Técnicas para indexação de dados em espaços métricos.

Forma de avaliação:

Avaliações escritas, seminários e trabalhos práticos em sala de aula.

Observação:

N/A

Bibliografia:

Fundamentais:
Bibliografia:
- P. Zezula, G. Amato, V. Dohnal, and M. Batko, Similarity Search: The Metric Space Approach. New York, NY, USA: Springer New York, 2006.
- Deepak P, Prasad M. Deshpande: Similarity Search - Semantics, Techniques and Usage Scenarios. Springer 2015.
- G. Lu, Multimedia Database Management Systems: Artech House, 2004.
- H. Samet, Foundations of Multidimensional and metric Data Structures. San Francisco, CA: Morgan Kaufmann Publishers, 2006.
- C. Faloutsos, Searching Multimedia Databases by Content. Boston, MA: Kluwer Academic Publishers, 1996.
Complementares (se houver):
- P. M. d. Azevedo-Marques, A. Mencattini, M. Salmeri, and R. M. Rangayyan, Medical Image Analysis and Informatics: Computer-Aided Diagnosis and Therapy, 1' ed. London: CRC Press, Taylor & Francis Group, 2017.
- P. M. d. A. Marques and R. M. Rangayyan, Content-based Retrieval of Medical Images: Landmarking, Indexing, and Relevance Feedback: Morgan & Claypool Publishers, 2013.
- D. Gusfield, Algorithms on Strings, Trees, and Sequences - Computer Science and Computational Biology, vol. 1. Cambridge, MA: Cambridge University Press, 1997.
- Artigos de periódicos e eventos da área.