Rede de Colaboração
Diretório de grupos de pesquisa

Renata Maria Cardoso Rodrigues de Souza
Bolsista de Produtividade em Pesquisa do CNPq - Nível 2

possui graduação em Estatística pela Universidade Federal de Pernambuco (1983), mestrado em Estatística pela Universidade Federal de Pernambuco (1999) e doutorado em Ciências da Computação pela Universidade Federal de Pernambuco (2003). Atualmente é professor adjunto 3 da Universidade Federal de Pernambuco e Bolsista de Produtuvidade em Pesquisa 2. Tem experiência na área de Ciência da Computação, com ênfase em Matemática da Computação, atuando principalmente nos seguintes temas: analise de dados simbólicos e numéricos, métodos de classificação e apgrupamento, sistemas de recuperação, regressão e estatística aplicada
(Texto informado pelo autor)

Última atualização do currículo em 27/12/2011
Endereço para acessar este CV:
http://lattes.cnpq.br/9289080285504453
Dados pessoais
NomeRenata Maria Cardoso Rodrigues de Souza
Nome em citações bibliográficasSOUZA, R. M. C. R.
SexoFeminino
Endereço profissionalUniversidade Federal de Pernambuco, Centro de Ciências Exatas e da Natureza, Departamento de Informática.
Av. Prof. Luiz Freire s/n
Cidade Universitária
50740540 - Recife, PE - Brasil
Telefone: (81) 32718430 Ramal: 4067
URL da Homepage: http://www.cin.ufpe.br

Formação acadêmica/Titulação
2000 - 2003Doutorado em Ciências da Computação .
Universidade Federal de Pernambuco, UFPE, Brasil.
Título: Métodos de Cluster para Intervalos usando Algoritmos de Nuvens Dinâmicas, Ano de Obtenção: 2003.
Orientador: Francisco de Assis Tenório de Carvalho.
Bolsista do(a): Conselho Nacional de Desenvolvimento Científico e Tecnológico ,CNPq ,Brasil .
Palavras-chave: Análise de Dados Simbólicos, Algorimtos de Nuvens.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação.
1997 - 1999Mestrado em Estatística .
Universidade Federal de Pernambuco, UFPE, Brasil.
Título: Classificação de imagens SAR baseada em uma Abordagem Simbólica, Ano de Obtenção: 1999.
Orientador: Francisco de Assis Tenório de Carvalho.
Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior ,CAPES ,Brasil .
1979 - 1983Graduação em Estatística .
Universidade Federal de Pernambuco, UFPE, Brasil.
Título: Estudos de Modelos Probabilísticos.
Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior ,CAPES ,Brasil .

Atuação profissional
Universidade Federal de Pernambuco, UFPE, Brasil.
Vínculo institucional
2005 - Atual Vínculo: Servidor Público, Enquadramento Funcional: Professor Adjunto 2, Carga horária: 40, Regime: Dedicação exclusiva.
Vínculo institucional
2004 - 2005 Vínculo: Bolsista DCR, Enquadramento Funcional: Bolsista DCR, Carga horária: 40, Regime: Dedicação exclusiva.
Atividades
2009 - AtualAtividades de Participação em Projeto, Centro de Ciências Exatas e da Natureza, Departamento de Estatística.
Projetos de pesquisa
Inferência e Análise de Diagnóstico em Modelos de Regressão- Edital universal 2009 - n. 478884/2009-5
2007 - AtualAtividades de Participação em Projeto, Centro de Informática, .
Projetos de pesquisa
Métodos de Classificação e Recuperação via Dados Intervalares
2007 - AtualAtividades de Participação em Projeto, Centro de Informática, .
Projetos de pesquisa
Aprendizagem Ativa para Seleção de Exemplos de Treinamento em Meta-Aprendizado
2006 - AtualEnsino, Pós-Graduação em Ciência da Computação, Nível: Pós-Graduação.
Disciplinas ministradas
Análise de Dados Simbólicos
Princípios e Técnicas da Análise Estatística Experimental
Tópicos Avançados em Inteligência Artificial 2 (Técnicas Estatísticas de Predição de Dados)
Tópicos Avançados em Matemática da Computação (Estatística Aplicada)
2006 - AtualConselhos, Comissões e Consultoria, Centro de Informática, .
Cargo ou função
Comissão de Processo de Seleção de Mestrado.
2004 - AtualPesquisa e desenvolvimento , Centro de Informática, .
Linhas de pesquisa
Estatística Aplicada de Dados Numéricos e Simbólicos
Classificação Supervisionada e Não Supervisionada de Dados Simbólicos e Numéricos
2004 - AtualEnsino, Ciência da Computação, Nível: Graduação.
Disciplinas ministradas
Computação Eletrônica
Estatística e Probabilidade para Computação
Métodos Computacionais
Programação
2010 - 2012Atividades de Participação em Projeto, Centro de Informática, .
Projetos de pesquisa
Métodos de Cluster Baseados em Centros para Dados Intervalares
2006 - 2008Atividades de Participação em Projeto, Centro de Informática, .
Projetos de pesquisa
Classificação Automatica e Web Usage Mining
2006 - 2008Atividades de Participação em Projeto, Centro de Informática, .
Projetos de pesquisa
Classificação de Dados Simbólicos
2005 - 2007Atividades de Participação em Projeto, Centro de Informática, .
Projetos de pesquisa
Abordagem simbólica em previsão, classificação e filtragem de informação
2005 - 2007Atividades de Participação em Projeto, Centro de Informática, .
Projetos de pesquisa
Desenvolvimento de Sistemas Híbridos Inteligentes
2006 - 2006Conselhos, Comissões e Consultoria, Centro de Informática, .
Cargo ou função
Comitê Interno do Programa de Iniciação Científica - PIBIC 2006/2007.
2004 - 2006Atividades de Participação em Projeto, Centro de Informática, .
Projetos de pesquisa
Classificação com Distâncias Adaptativas
2004 - 2005Atividades de Participação em Projeto, Centro de Informática, .
Projetos de pesquisa
Métodos de Cluster para dados Simbólicos
2001 - 2003Atividades de Participação em Projeto, Centro de Informática, .
Projetos de pesquisa
ASSO - Analysis System of Symbolic Data
2000 - 2002Atividades de Participação em Projeto, Centro de Informática, .
Projetos de pesquisa
CLADIS - Classificação e Analise de Dissimilaridades
Faculdade Santa Maria, FSM, Brasil.
Vínculo institucional
2003 - 2004 Vínculo: Outro, Enquadramento Funcional: Professor, Carga horária: 8
Atividades
02/2003 - 01/2004Ensino, Sistemas de Informação, Nível: Graduação.
Disciplinas ministradas
Estatística
Sistemas de Informação
Faculdade Frassinetti do Recife, FAFIRE, Brasil.
Vínculo institucional
2003 - 2003 Vínculo: Colaborador, Enquadramento Funcional: Professor Visitante, Carga horária: 15
Atividades
08/2003 - 08/2003Ensino, Administração, Nível: Especialização.
Disciplinas ministradas
Sistemas de Informação

Linhas de Pesquisa
1. Estatística Aplicada de Dados Numéricos e Simbólicos
2. Classificação Supervisionada e Não Supervisionada de Dados Simbólicos e Numéricos

Projetos de Pesquisa
2010 - AtualMétodos de Cluster Baseados em Centros para Dados Intervalares
Descrição: Classificar ou agrupar objetos semelhantes em categorias é uma atividade largamente usada em muitos domínios de aplicações, tais como análise de tráfego de rede, recuperação de informação, bioinformática e análise de imagens. A análise de dados simbólicos é uma abordagem de tipo data mining pois seu ponto de partida é a extração de conhecimentos em grandes conjuntos de dados. O conhecimento extraído é representado por dados mais complexos, chamados de dados simbólicos, pois permitem levar em conta variação e/ou incerteza quando descrevendo dados agregados. O objetivo geral desse projeto é realizar avanços no estado da arte da análise dados simbólicos de tipo intervalo com desenvolvimento de técnicas de cluster baseadas em protótipos para dados simbólicos de tipo intervalo..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação ( 1) / Mestrado acadêmico ( 1) / Doutorado ( 1) .
Integrantes: Francisco José A. Cysneiros - Integrante / Anderson Fabiano Batista Ferreira da Costa - Integrante / Bruno de Almeida Pimental - Integrante / Arthur Felipe Melo Alvim - Integrante / Renata Maria Cardoso Rodrigues de Souza - Coordenador.
Financiador(es): Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco - Auxílio financeiro..
2009 - AtualInferência e Análise de Diagnóstico em Modelos de Regressão- Edital universal 2009 - n. 478884/2009-5
Descrição: O objetivo deste projeto é dar suporte as pesquisas recentes que têm sido desenvolvidas pelos pesquisadores aqui presente nesta equipe. Este projeto aborda duas principais grandes linhas de pesquisa que são análise de diagnóstico e teoria assintótica de alta ordem em modelos de regressão..
Situação: Em andamento; Natureza: Pesquisa.
Integrantes: Francisco José A. Cysneiros - Coordenador / Renata Maria Cardoso Rodrigues de Souza - Integrante.
Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro..
2007 - 2009Métodos de Classificação e Recuperação via Dados Intervalares
Descrição: A análise de dados simbólicos (Symbolic Data Análise) é uma nova abordagem na área de descoberta automática de conhecimentos e gerenciamento de dados, relacionada com análise de dados multivariados, reconhecimento de padrões, inteligência artificial e banco de dados. SDA inicia com a agregação ou redução de grande conjuntos de dados usuais em uma estrutura mais complexa chamada de dados simbólicos que são conjuntos, intervalos ou distribuições de peso. Dados simbólicos têm uma vantagem com relação aos dados clássicos pois esses permitem conter variação interna e/ou incerteza. A etapa seguinte consiste na extensão dos métodos e algoritmos de extração de conhecimentos (arvore de decisão, classificação, regressão, etc.) para os dados simbólicos. Esse projeto (MCRI-Métodos de Classificação e Recuperação via Dados Intervalares) visa visa estudar e desenvolver técnicas de classificação e recuperação usando dados intervalares. A idéia de usar dados intervalares é de realizar melhor a modelagem do conjunto de dados associado às unidades agregadas. Nesta direção, este projeto é composto de três subprojetos. O primeiro subprojeto consiste em estender modelos de classificação não supervisionada via mapas autoorganizáveis para dados intervalares. O segundo subprojeto visa propor técnicas de regressão logística simples e múltipla para dados intervalares. Finalmente, o terceiro subprojeto tem o objetivo propor abordagens híbidas para recuperação de imagens integrando um descritor de forma com uma técnica de classificação não supervisionada via dados intervalares. Como resultados deste trabalho, esperamos contribuir para os avanços no plano teorico relativo aos métodos e algoritmos de classificação supervisionada e não supervisionada, referendados por publicações em congressos nacionais e internacionais da área e revistas internacionais e assim como na formação de alunos de mestrado, doutorado e de iniciação científica na área de Inteligéncia Artificial. .
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação ( 1) / Doutorado ( 1) .
Integrantes: Carlos Wilson Dantas de Almeida - Integrante / Diego Cesar Florêncio de Queiroz - Integrante / Renata Maria Cardoso Rodrigues de Souza - Coordenador.
Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.Número de orientações: 2.
2007 - 2009Aprendizagem Ativa para Seleção de Exemplos de Treinamento em Meta-Aprendizado
Descrição: Meta-Aprendizado é um arcabouço que tem como um dos objetivos a seleção automática de algoritmos de Aprendizado de Máquina. Nesse contexto, cada exemplo de treinamento (ou meta-exemplo) é relacionado a um problema de aprendizado resolvido no passado e armazena as características do problema e informações sobre o desempenho dos algoritmos quando aplicados ao problema. Nesse projeto, propomos investigar o uso de técnicas de Aprendizagem Ativa para auxiliar a geração de meta-exemplos. Aprendizagem Ativa tem como motivação principal reduzir o número de exemplos usados no treinamento, ao mesmo tempo mantendo a qualidade do processo de aprendizado. No presente projeto, o uso de Aprendizagem Ativa tem como objetivo diminuir o tamanho do conjunto de meta-exemplos, selecionando apenas os problemas considerados mais relevantes e, conseqüentemente, reduzindo o número de avaliações empíricas realizadas com os algoritmos candidatos. Destacamos a integração em Meta-Aprendizado e Aprendizagem Ativa é original na área de Aprendizado de Máquina e deverá originar diferentes trabalhos de pesquisa.. .
Situação: Em andamento; Natureza: Pesquisa.
Integrantes: Teresa Bernarda Ludemir - Integrante / Ricardo Bastos Cavalcante Prudencio - Coordenador / Francisco Assis Tenório de Carvalho - Integrante / André Câmara Alves do Nascimento - Integrante / Renata Maria Cardoso Rodrigues de Souza - Integrante.
Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro..
2006 - 2008Classificação Automatica e Web Usage Mining
Descrição: A informatização de um número crecente de atividades humanas produz um volume importante de dados cuja análise e utilização implicam em problemas complexos. Um dos remédios para esse forte crescimento do volume dos dados consiste em construir resumos dos mesmos. Entre os diversos métodos propostos para simplificar grandes volumes de dados a nossa abordagem, dita ``simbólica'', é uma abordagem de tipo ``data mining'' pois seu ponto de partida é a extração de conhecimentos à partir de grandes bases de dados. O conhecimento extraído é representado por dados mais complexos, chamados ``dados simbólicos''. O objetivo dessa representação simbólica é de realizar melhor a modelagem do conjunto de dados associado aos resumos. O objetivo principal desse projeto é a concepção de métodos de classificação automática apliáveis à dados não vetoriais (simbólicos ou complexos), sobretudo para a análise do uso em sites web. Serão desenvolvidas duas novas abordagens de classificação automática para conjuntos de objetos descritos por dados não vetoriais. O principal domínio de aplicação é a análise do uso e, em particular, a análise dos comportamentos dos internautas nos sites web. O nosso objetivo é propor novos métodos de análise de uso que ultrapassem os limites dos métodos existentes. A extração e a interpretação de comportamentos padrões pode ajudar tanto o webmaster à reestruturar o seu site como os futuros usuarios dos site à procurar uma informação. Iremos desenvolver novos métodos de visualização que permitirão ao webmaster de melhor analisar o comportamento dos usuários e a evolução do mesmo..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Mestrado acadêmico ( 2) .
Integrantes: Francisco de Assis Tenório de Carvalho - Coordenador / Marc Csernel - Integrante / Camilo P. Tenório - Integrante / Yves Lechevalier - Integrante / Teresa Bernarda Ludemir - Integrante / Renato Fernandes Corrêa - Integrante / Alzennyr Cléa Gomes - Integrante / Fabrice Rossi - Integrante / Afonso Gustavo Ataíde Ferreira - Integrante / Renata Maria Cardoso Rodrigues de Souza - Integrante.
Financiador(es): Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco - Auxílio financeiro / Institut National de Recherche en Informatique et en Autotmatique - Auxílio financeiro..
2006 - 2008Classificação de Dados Simbólicos
Descrição: A análise de dados simbólicos (Symbolic Data Análise) é uma nova abordagem na área de descoberta automática de conhecimentos e gerenciamento de dados, relacionada com análise de dados multivariados, reconhecimento de padrões, inteligência artificial e banco de dados. Este projeto (CLADASIM-Classificação de Dados Simbólicos) visa estudar e desenvolver técnicas de classificação supervisionada e não supervisionada para conjuntos de categorias, intervalos e/ou distribuições de pesos (histogramas). Nesta direção, este projeto é subdividido em três subprojetos. O primeiro subprojeto consiste em propor algoritmos de partição para dados simbólicos mistos que podem ser conjuntos de categorias, intervalos e/ou distribuições de peso. O segundo subprojeto visa desenvolver um sistema de auxílio para o diagnóstico de imagens mamográficas usando filtros genéricos no módulo de pré-processamento, um descritor de forma no módulo de segmentação e um classificador simbólico no módulo de classificação. Finalmente, o terceiro subprojeto tem o objetivo de adaptar a rede neural de funções de base radial (RBF) para tratar dados simbólicos (conjuntos de categorias, intervalos, e/ou distribuições de peso)..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação ( 1) / Mestrado acadêmico ( 1) .
Integrantes: F A T DE CARVALHO - Integrante / Carlos Wilson Dantas de Almeida - Integrante / Carlos Emanuel Barreto Rodrigues - Integrante / Renata Maria Cardoso Rodrigues de Souza - Coordenador.
Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro..
2005 - 2007Abordagem simbólica em previsão, classificação e filtragem de informação
Descrição: Com os avanços da última decada nas tecnologias de estocagem e manipulação de informações, vastos conjuntos de dados tem sido recolhidos e armazenados em todas as partes do mundo, e faz-se cada vez mais necessário resumi-los para dar sporte a um processo de tomada de decisões, etc. A nossa abordagem consiste em construir automaticamente classes homogeneas a partir desses dados e em definir novas unidades estatísticas, chamadas de objetos simbólicos, para descrever essas classes. Nesse processo, obtem-se uma redução importante do conjunto de dados iniciais (de individuos para classes de individuos), mas a representação dessas novas unidades estatísticas deve preservar um máximo de informações. Como resultado, obtem-se novas tabelas de dados de estrutura mais complexas pois agora, uma celula pode conter um intervalo, uma distribuição ou ainda um conjunto de valores ponderados. Esses dados complexos (ditos simbólicos) , que resumem classes de items homogeneos, podem ser construidos a partir de bases de dados de diferentes dominios (biologia, medicina, marketing, etc.). Trata-se então de extender a esses conjuntos de dados complexos as ferramentas de aprendizagem de máquina. Esse projeto de pesquisa envolve o desenvolvimento de pesquisas básicas em análise de dados simbólico (Regressão e classificação supervisionada de dados simbólicos) e uma aplicação dessa abordagem em filtragem de informação no quadro de sistemas de recomendação..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação ( 2) / Mestrado acadêmico ( 2) / Doutorado ( 2) .
Integrantes: Francisco de Assis Tenorio de Carvalho - Coordenador / Camilo P. Tenório - Integrante / Fábio C. D. Silva - Integrante / Byron Leite Dantas Bezerra - Integrante / Eufrasio de A Lima Neto - Integrante / Gustavo Alvez - Integrante / Suzana Souza Fontes - Integrante / Renata Maria Cardoso Rodrigues de Souza - Integrante.
Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro..
2005 - 2007Desenvolvimento de Sistemas Híbridos Inteligentes
Descrição: objetivo deste projeto é contribuir para um avanço no estado-da-arte da integração dos paradigmas simbólico e conexionista através do desenvolvimento de sistemas híbridos inteligentes. Vários sistemas híbridos diferentes serão propostos e testados ao longo do projeto. Dentre estes sistemas podemos citar: Sistemas para a otimização simultânea de arquiteturas e pesos de redes MLP Sistemas para a seleção automática de modelos de previsão Projeto Evolucionário de Redes Neurais Artificiais Extração de conhecimento de Redes Neurais Artificiais Edital CTInfo 11/2005 . .
Situação: Em andamento; Natureza: Pesquisa.
Integrantes: Francisco de A. T. de Carvalho - Integrante / Wilson Rosa de Oliveira Junior - Integrante / Teresa Bernarda Ludemir - Coordenador / Ricardo Bastos Cavalcante - Integrante / Marcílio Carlos Pereira de Souza - Integrante / André Carlos Ponce de Leon Ferreira de Carvalho - Integrante / Anne Magaly de Paula Canuto - Integrante / Gerson Zaverucha - Integrante / Renata Maria Cardoso Rodrigues de Souza - Integrante.
Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro..
2004 - 2006Classificação com Distâncias Adaptativas
Descrição: A análise de dados simbólicos (Symbolic Data Análise) (Bock and Diday (2000)) é uma nova abordagem na área de descoberta automática de conhecimentos e gerenciamento de dados, relacionada com análise de dados multivariados, reconhecimento de padrões, inteligência artificial e banco de dados. Este projeto objetiva incentivar o estudo e o desenvolvimento de técnicas de cluster para dados descritos por pontos e/ou intervalos usando usando os algoritmos de nuvens dinâmicas com distâncias (Lr de Minkowski e Mahalanobis) adaptativas..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação ( 1) / Mestrado acadêmico ( 2) .
Integrantes: Francisco de Assis Tenorio de Carvalho - Integrante / Camilo P. Tenório - Integrante / Fabio C.D. Silva - Integrante / Daniel Ferrari Pizzato - Integrante / Renata Maria Cardoso Rodrigues de Souza - Coordenador.
Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.Número de orientações: 2.
2004 - 2005Métodos de Cluster para dados Simbólicos
Descrição: O explosivo crescimento das tecnologias das informações tem gerado o armazenamento de grandes volumes de dados. Além disso, dados mais complexos como intervalos têm estado freqüentemente presentes em aplicações do mundo real. Desta forma, torna-se factível o desenvolvimento de tecnicas visando à simplificação e a extração automática de conhecimentos em grandes conjuntos de dados. As técnicas de classificação não supervisionada (análise de cluster) visam formar grupos homogeneos a partir de um conjunto de dados. Estas técnicas são relevantes para o processo de extração automática de conhecimentos pois, além de sumarizar conjuntos de dados, estas são capazes de extrair novas estruturas diretamente de dados sem nenhum conhecimento prévio. Este projeto visa pesquisar e desenvolver métodos de cluster para dados mais complexos, chamados de dados simbólicos..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação ( 0) / Especialização ( 0) / Mestrado acadêmico ( 0) / Mestrado profissionalizante ( 0) / Doutorado ( 0) .
Integrantes: Francisco de A. T. de Carvalho - Integrante / Renata Maria Cardoso Rodrigues de Souza - Coordenador.
Financiador(es): Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco - Bolsa.Número de orientações: 3.
2001 - 2003ASSO - Analysis System of Symbolic Data
Descrição: O objetivo geral do projeto ASSO é a concepção de métodos, metodologias e programas para a extração de conhecimentos a partir de dados multidimensionais complexos provenientes de bases de dados gigantescas das administrações e organismos oficiais de estatística. As principais caracteristicas do projeto ASSO são : a) uso, criaçao, propagação e modelização estatística de conceitos via objetos simbólicos; b) realizar progressos na obtenção de dados simbólicos a partir de bases de dados relacionais; c) introduzir metadados na descrição dos dados para melhorar a qualidade dos resultados estatísticos; d) incluir ferramentas de visualização amigaveis na interface com os usuários; e) adicionar novos métodos para manipular e analisar dados simbólicos; f) adicionar novas medidas de dissimilaridade entre objetos simbólicos e de consenso entre grupos de objetos simbólicos; g) incluir novos métodos de classificação supervisionada e não supervisionada para dados simbólicos ; i) fornecer ferramentas para estudar a estabilidade e a robustez desses métodos. O Cin / UFPE está envolvido no subitem WP6 do projeto ASSO (classificação não supervisionada, validação e representação de grupos)..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação ( 1) / Doutorado ( 1) .
Integrantes: Francisco de Assis Tenorio de Carvalho - Coordenador / Pedro Machado Manhães de Castro - Integrante / Renata Maria Cardoso Rodrigues de Souza - Integrante.
Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro..
2000 - 2002CLADIS - Classificação e Analise de Dissimilaridades
Descrição: A partir da extração de conhecimentos de grandes bases de dados (data mining), desenvolver métodos e algoritmos para a mineração de conhecimento (knowledge mining) baseado na abordagem simbólica em classificação e métodos afins..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação ( 1) / Doutorado ( 1) .
Integrantes: Francisco de A. T. de Carvalho - Coordenador / Marc Csernel - Integrante / Yves Lechevalier - Integrante / Wilson Rosa de Oliveira Junior - Integrante / Pedro Machado Manhães de Castro - Integrante / Renata Maria Cardoso Rodrigues de Souza - Integrante.
Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro / Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa / Institut National de Recherche en Informatique et en Au - Bolsa..

Revisor de periódico
2005 - Atual Periódico: International Journal on Computational Intelligence and Applications
2006 - Atual Periódico: Molecular Diversity Journal
2008 - Atual Periódico: Pattern Recognition Letters
2008 - Atual Periódico: IEEE Transactions on Systems, Man and Cybernetics. Part B, Cybernetics
2009 - Atual Periódico: Pattern Analysis and Applications
2010 - Atual Periódico: Computational Statistics (Zeitschrift)

Áreas de atuação
1. Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Matemática da Computação.
2. Grande área: Ciências Exatas e da Terra / Área: Probabilidade e Estatística / Subárea: Probabilidade e Estatística Aplicadas.
3. Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Metodologia e Técnicas da Computação.
4. Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Inteligência Computacional.
5. Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Teoria da Computação.

Idiomas
Inglês Compreende Bem, Fala Pouco, Lê Bem, Escreve Razoavelmente.
Francês Compreende Razoavelmente, Fala Pouco, Lê Razoavelmente, Escreve Pouco.


Produção em C,T & A
Produção bibliográfica
Artigos completos publicados em periódicos
1. SOUZA, R. M. C. R. ; CYSNEIROS, F. J. A. ; QUEIROZ, D. C. F. . Logistic Regression-Based Pattern Classifies for Symbolic Interval Data. Pattern Analysis and Applications (Print), v. 14, p. 273-282, 2011.
2. DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. . Unsupervised Pattern Recognition Models for Mixed Feature-Type Symbolic Data. Pattern Recognition Letters, v. 31, p. 430-443, 2010.
3. DOMINGUES, M. A. O. ; SOUZA, R. M. C. R. ; CYSNEIROS, F. J. A. . A Robust Method for Linear Regression of Symbolic. Pattern Recognition Letters, v. 31, p. 1991-1996, 2010.
4. REGO, R. L. M. E. ; RIBEIRO, M. ; Barros, E. A. ; SOUZA, R. M. C. R. . A Self-organizing Based Approach for Bug Reports Retrieval. Journal of Digital Information Management, v. 7, p. 358-363, 2009.
5. DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. ; LECHEVALIER, Y. ; Chavent, M. . Adaptive Hausdorff Distances and Dynamic Clustering of Symbolic Interval Data. Pattern Recognition Letters, v. 27, n. 3, p. 167-179, 2006.
6. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T . Agrupamento de Dados de Tipo Intervalo usando Distâncias Quadráticas Adaptativas. Revista Tecnologia da Informação, Brasília, v. 5, n. 1, p. 21-32, 2005.
7.   SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T . Clustering of Interval Data based on City-Block Distances. Pattern Recognition Letters, Amsterdam, v. 25, n. 3, p. 353-365, 2004.
8.   SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T . Dynamic clustering of interval data based on adaptive Chebyshev distances. Electronics Letters, Inglaterra, v. 40, n. 11, p. 658-659, 2004.
9.   DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. . Unsupervised pattern recognition methods for interval data using non-quadratic distances. Electronics Letters, Grã-Bretanha, v. 39, n. 5, p. 433-434, 2003.
Capítulos de livros publicados
1. DE CARVALHO, F A T ; SOUZA, R. M. C. R. ; VERDE, R . A Modal Symbolic Pattern Classifier. In: Bock; Marcello Chiodi; Antonio Mineo. (Org.).. (Org.). Advances in Multivariate Data Analysis. : Springer-Verlag, 2004, v. , p. 15-26.
Trabalhos completos publicados em anais de congressos
1. Pimental, B.A. ; Costa, A.F.B.F ; SOUZA, R. M. C. R. . Kernel-Based Fuzzy Clustering of Interval Data. In: IEEE International Conference on Fuzzy Systems, 2011, Taipei-Taiwan. Proceedings of the IEEE International Conference on Fuzzy Systems, 2011.
2. SILVA FILHO, T. M. ; SOUZA, R. M. C. R. . Pattern Classifiers with Adaptive Distances (aceito para publicação). In: 2011 International Joint Conference on Neural Networks, 2011, São José - California. Proceedings of the 2011 International Joint Conference on Neural Networks, 2011.
3. Assis, E.C. ; SOUZA, R. M. C. R. . A K-Medoids Clustering Algorithm for Mixed Feature-type Symbolic Data. In: IEEE International Conference on Systems, Man, and Cybernetics (IEEE SMC 2011), 2011, Alasca-Estados Unidos. Proceedings of the IEEE International Conference on Systems, Man, and Cybernetics, 2011. p. 527-531.
4. Costa, A.F.B.F ; Pimental, B.A. ; SOUZA, R. M. C. R. . A Kernel K-means Clustering Method for Symbolic Interval Data. In: International Joint Conference on Neural Networks (IJCNN 2010), 2010, Barcelona. Proceddings of International Joint Conference on Neural Networks (IJCNN 2010), 2010. p. 1-6.
5. ALMEIDA, C. W. D. ; SOUZA, R. M. C. R. ; Candeias, A.L. . Texture classification based on co-occurrence matrix and self-organizing map. In: 2010 IEEE Conference on Systems, Man and Cybernetics (SMC2010), 2010, Istanbul-Turkey. SMC 2010 Proceedings, 2010. p. 2487-2491.
6. LEAL, L. Q. ; Fagundes, R.A.A. ; SOUZA, R. M. C. R. ; MOURA, H. P. ; GUSMAO, C. M. . Nearest-Neighborhood Linear Regression in an Application with Software Effort Estimation (aceito para publicação). In: 2009 IEEE International Conference on Systems, Man, and Cybernetics, 2009, San Antonio Texas, USA.. SMC Proceeding, 2009.
7. SOUZA, R. M. C. R. ; SILVA FILHO, T. M. . Optimized Learning Vector Quantization Classifier with an Adaptive Euclidean Distance. In: 19th International Conference on Artificial Neural Networks, 2009, Limassol. International Conference on Artificial Neural Networks Proceedings. Chipre : IEEE Computer Society Press, 2009. p. 799-806.
8. Fagundes, R.A.A. ; SOUZA, R. M. C. R. ; CYSNEIROS, F. J. A. . A Robust Prediction Method for Interval Symbolic Data. In: International Conference on Intelligent Systems Design and Applications, 2009, Pisa. Proceedings of the International Conference on Intelligent Systems Design and Applications ISDA'09, 2009. p. 1019-1024.
9. ALMEIDA, C. W. D. ; SOUZA, R. M. C. R. ; Cavalcanti Junior, N.L. . Image Retrieval Using the Curvature Scale Space (CSS) Descriptor and the Self-Organizing Map (SOM) Model under Scale Invariance. In: 2008 International Joint Conference on Neural Networks (IJCNN 2008), 2008, Hong Kong. Proceedings of the International Joint Conference on Neural Networks - IJCNN 2008. Los Alamitos (USA) : IEEE Computer Society, 2008. p. 2757-2761.
10. SOUZA, R. M. C. R. ; CYSNEIROS, F. J. A. ; QUEIROZ, D. C. F. ; Fagundes, R.A.A. . A Symbolic Pattern Classifier for Interval Data Based on Binary Probit Analysis. In: Annual German Conference on Artificial Intelligence (KI 2008), 2008, Kaiserslautern. Lecture Notes on Artificial Intelligence - LNCS. KI 2008: Advances in Artificial Intelligence. Berlin / Heidelberg : Springer, 2008. v. 5243. p. 340-347.
11. SOUZA, R. M. C. R. ; CYSNEIROS, F. J. A. ; QUEIROZ, D. C. F. ; Fagundes, R.A.A. . A Multi-Class Logistic Regression Model for Interval Data. In: Proceedings of the IEEE International Conference on Systems, Man, and Cybernetics (SMC 2008), 2008, Singapore. IEEE International Conference on Systems, Man, and Cybernetics, 2008. p. 1253-1258.
12. SOUZA, R. M. C. R. ; SABOIA, A. S. . Bagging for a Region Oriented Symbolic Classifier. In: 8th International Conference on Hybrid Intelligent Systems, 2008, Barcelona. Proceedings of the 8th International Conference on Hybrid Intelligent Systems. p. 362-367.
13. REGO, R. L. M. E. ; RIBEIRO, M. ; ALEIXO, E. ; SOUZA, R. M. C. R. . Bug Reports Retrieval Using Self-Organizing Map. In: Third International Conference on Digital Information Management (ICDIM'08), 2008, Londres. Proceedings IEEE of the Third International Conference on Digital Information Management, 2008. p. 320-325.
14. SOUZA, R. M. C. R. ; CYSNEIROS, F. J. A. ; QUEIROZ, D. C. F. ; Fagundes, R.A.A. . Two Pattern Classifiers for Interval Data Based on Binary Regression Models. In: Third International Conference on Digital Information Management, 2008, Londres. Proceedings IEEE of the Third International Conference on Digital Information Management, 2008. p. 632-637.
15. SOUZA, R. M. C. R. ; SALAZAR, D. R. S. . A Non-Linear Classifier for Symbolic Interval Data Based on a Region Oriented Approach (aceito para publicação). In: 15th International Conference on Neural Information Processing, 2008, Nova Zelândia. LNCS Proceedings of the 15th International Conference on Neural Information Processing (ICONIP08), 2008.
16. DOMINGUES, M. A. O. ; SOUZA, R. M. C. R. ; CYSNEIROS, F. J. A. . A symmetrical model applied to interval-valued data containing outliers with heavy-tail distribution (aceito para oublicação). In: 15th International Conference on Neural Information Processing (ICONIP08), 2008, Nova Zelândia. LNCS Proceedings of the 15th International Conference on Neural Information Processing (ICONIP08), 2008.
17. SOUZA, R. M. C. R. ; DE CARVALHO, F A T . A Clustering Method for Mixed Feature-Type Symbolic Data using Adaptive Squared Euclidean Distances. In: 7th International Conference on Hybrid Intelligent Systems - HIS, 2007, Kaiserslautern. Proceedings of the 7th International Conference on Hybrid Intelligent Systems, 2007. p. 168-173.
18. ALMEIDA, C. W. D. ; SOUZA, R. M. C. R. ; RODRIGUES, C. E. B. ; Cavalcanti Junior, N.L. . Image Retrieval Using the Curvature Scale Space (CSS) Technique. In: 7th International Conference on Hybrid Intelligent Systems - HIS 2007, 2007, Kaiserslautern. Proceedings of the 7th International Conference on Hybrid Intelligent Systems - HIS 2007. Berlin : Springer, 2007. p. 210-215.
19. ALMEIDA, C. W. D. ; SOUZA, R. M. C. R. ; RODRIGUES, C. E. B. ; Cavalcanti Junior, N.L. . Image Retrieval Using the Curvature Scale Space (CSS) Technique and the Self-Organizing Map (SOM) Model under Rotation. In: Second International Conference on Digital Information Management ICDIM 2007, 2007, Lyon. Proceedings of the Second International Conference on Digital Information Management ICDIM, 2007. p. 357-361.
20. CARVALHO, F A T de ; Pimentel, J.T. ; BEZERRA, L. X. T. ; SOUZA, R. M. C. R. . Clustering symbolic interval data based on a single adaptive Hausdorff distance.. In: 2007 IEEE International Conference on Systems, Man and Cybernetics (IEEE SMC 2007), 2007, Montréal.. Proceedings of the 2007 IEEE International Conference on Systems, Man and Cybernetics (IEEE SMC 2007), 2007. v. 1. p. 451-455.
21. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T ; PIZZATO, D. F. . A Partitioning Method for Mixed Feature-Type Symbolic Data using a Squared Euclidean Distance. In: 29th annual German Conference on Artificial Intelligence, 2006, Bremen ( Germany). Lecture Notes on Artificial Intelligence - LNAI 4314. Proceedings of the 29th Annual German Conference on Artificial Intelligence (KI2006). Berlin : Springer-Verlag, 2006. v. 4314. p. 260-273.
22. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T ; PIZZATO, D. F. . A Dynamic Clustering Method for Mixed Feature-Type Symbolic Data. In: 10th Conference of the International Federation of Classification Societies (IFCS2006), 2006, Ljubljana (Eslovênia).. Proceedings of the 10th Conference of the International Federation of Classification Societies (IFCS2006). Heidelberg (Alemanha) : Springer, 2006. p. 260-273.
23. SILVA, Fabio C.d. ; DE CARVALHO, F A T ; SOUZA, R. M. C. R. ; SILVA, J. Q. . A Modal Symbolic Classifier for Interval Data. In: 13th International Conference on Neural Information Processing - ICONIP2006, 2006, Hong Kong. Lecture Notes in Computer Science - LNCS 4233. Proceedings of The 13th International Conference on Neural Information Processing - ICONIP2006. Heidelberg (Germany) : Springer, 2006. v. 4233. p. 50-59.
24. DE CARVALHO, F A T ; SOUZA, R. M. C. R. ; BEZERRA, L. X. T. . A dynamical clustering method for symbolic interval data based on a single adaptive Euclidean distance. In: Symposium on Artificial Neural Networks (SBRN 2006), 2006, Ribeirão Preto (SP). Proceedings of the Symposium on Artificial Neural Networks (SBRN 2006), 2006. p. 42-47.
25. ALMEIDA, C. W. D. ; SOUZA, R. M. C. R. ; Cavalcanti Junior, N.L. . A Shape-Based Image Retrieval System Using the Curvature Scale Space (CSS). In: Lecture Notes in Computer Science . 6th International Conference on Hybrid Intelligent Systems (HIS 06), 2006, Auckland - New Zealand. Proceedings of the IEEE Computer Society 6th International in Conference on Hybrid Intelligent Systems. Washington : IEEE Computer Society, 2006.
26. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T ; TENÓRIO, Camilo P. ; LECHEVALLIER, Yves . Dynamic Cluster Methods for Interval Data based on Mahalanobis Distances. In: 9th Conference of the International Federation of Classification Societies (IFCS2004), 2004, Chicago(USA). Proceedings of the 9th Conference of the International Federation of Classification Societies (IFCS2004).. New York (USA) : Springer-Verlag, 2004. p. 297-391.
27. DE CARVALHO, F. A. T ; LECHEVALLIER, Yves ; SOUZA, R. M. C. R. . A dynamic cluster algorithm based on adaptive Lr distances. In: 9th Conference of the International Federation of Classification Societies (IFCS2004), 2004, Chicago (USA). Proceedings of the 9th Conference of the International Federation of Classification Societies (IFCS2004). New York (USA) : Springer-Verlag, 2004. p. 33-41.
28. DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. ; SILVA, F. C. D . A Clustering Method for Symbolic Interval-Type Data using Adaptive Chebyshev Distances. In: XVII Brazilian Symposium on Artificial Intelligence - SBIA'04, 2004, São Luiz (Maranhão, Brazil). Advances in Artificial Intelligence. Lectures Notes on Artificial Intelligence (LNAI2507). Proceedings of the XVII Brazilian Symposium on Artificial Intelligence - SBIA'04. Heidelberg (Alemanha) : Springer-Verlag, 2004. p. 266-275.
29. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T ; TENÓRIO, Camilo P. . Two Partitional Methods for Interval-Valued Data Using Mahalanobis Distances. In: 9th Ibero-American Conference on AI, 2004, México. Advances in Artificial Intelligence. Lectures Notes on Artificial Intelligence (LNAI2507). Proceedings of the 9th Ibero-American Conference on AI, 2004. p. 454-463.
30. D'Oliveira Junior, S. T. ; DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. . A Classifier for Quantitative Feature Values based on a Region Oriented Symbolic Approach. In: 9th Ibero-American Conference on AI, 2004, México. Advances in Artificial Intelligence. Lectures Notes on Artificial Intelligence (LNAI2507). Proceedings of the 9th Ibero-American Conference on AI. Heidelberg (Alemanha): : Springer-Verlag, 2004. p. 464-473.
31. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T ; SILVA, F. C. D . Clustering of Interval-Valued Data Using Adaptive Squared Euclidean Distances. In: 11th International Conference on Neural Information Process - ICONIP 2004, 2004, Calcutta. Advances in Artificial Intelligence. Lectures Notes on Artificial Intelligence (LNAI2507). Proceedings of the 11th International Conference on Neural Information Process, 2004. p. 775-780.
32. D'Oliveira Junior, S. T. ; DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. . A Classification of SAR Images Through a Convex Hull Region Oriented Approach. In: 11th International Conference on Neural Information Processing -ICONIP 2004, 2004, Calcutta. Advances in Artificial Intelligence. Lectures Notes on Artificial Intelligence (LNAI2507). Proceedings of the 11th International Conference on Neural Information Process. Heidelberg (Alemanha) : Springer-Verlag, 2004. p. 769-774.
33. SOUZA, R. M. C. R. ; SILVA, F. C. D ; DE CARVALHO, F. A. T . Classificação Não Supervisionada de Dados de Tipo Intervalo Baseada em Distâncias Não Quadráticas. In: IV ENIA - Encontro Nacional de Inteligência Artificial,, 2003, Campinas (SP). Anais do XXIII Congresso da Sociedade Brasileira de Computação, 2003. v. 7. p. 507-516.
34. DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. . Dynamical Clustering with Non-Quadratic Adaptive Distance for Interval Data. In: Progam and Abstracts of the 27th Annual Conference of the Germany Classification Society (GfKl2003), 2003, Cottbus (Germany. Innovations in Classification, Data Science, and Information Systems. Proc. 27th Annual GfKl Conference, University of Cottbus, March 12 - 14, 2003 Springer-Verlag. Heidelberg-Berlin : Daniel Baier and Klaus-Dieter Wernecke, 2003. p. 173-180.
35. DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. ; VERDE, R . A Modal Symbolic Pattern Classifier. In: CLADAG2001, 2002, Palermo (Itália). Advances in Multivariate Data Analysis. Berlin (Germany) : Springer-Verlag, 2001. p. 15-25.
36. DE CARVALHO, F. A. T ; ANSELMO, C. A. F ; SOUZA, R. M. C. R. . Symbolic Approach to Classify Large Data Sets. In: 7th Conference of the International Federation of Classification Societies (IFCS'2000),, 2000, Namur (Bélgica). Data Analysis, Classification and Related Methods. Proceedings of the 7th Conference of the International Federation of Classification Societies (IFCS'2000. Berlin (Germany) : Springer-Verlag, 2000. p. 375-380.
37. DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. . New Metrics for Constrained Boolean Symbolic Objects In: Conference on Knowledge Extraction and Symbolic Data Analysis. In: KESDA'98, 1999, Luxemburgo. Proceedings of the Conference on Knowledge Extraction and Symbolic Data Analysis (KESDA'98). Luxemburgo (Luxemburgo) : Office for Official Publications of the European Communities, 1998. p. 175-187.
38. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T ; FRERY, A. C . Symbolic approach to SAR image classification. In: IEEE 1999 International Geoscience and Remote Sensing Symposium, 1999, Hamburg. Proceedings of the IEEE 1999 International Geoscience and Remote Sensing Symposium, 1999. p. 1318-1320.
39. DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. . Statistical Proximity Functions of Boolean Symbolic Objects based on Histograms. In: 6th Conference of the International Federation of Classification Societies (IFCS'98), 1998, Roma (Itália). New Advances in Data Science and Classification. Proceedings of the 6th Conference of the International Federation of Classification Societies (IFCS'98. Berlin (Germany) : Springer-Verlag, 1998. p. 391-396.
Resumos expandidos publicados em anais de congressos
1. CYSNEIROS, F. J. A. ; Fagundes, R.A.A. ; SOUZA, R. M. C. R. . A Symbolic Robust Regression Model. In: 26th International Workshop on Statistical Modelling, 2011, Valença. Proceedings of the 26th International Workshop on Statistical Modelling, 2011. p. 160-163.
2. Pimental, B.A. ; Costa, A.F.B.F ; SOUZA, R. M. C. R. . A Partitioning Method for Symbolic Interval Data Based on Kernelized Metric (aceito para publicação). In: ACM Conference on Information and Knowledge Management (CIKM 2011), 2011, Glasgow-Escócia. Proceddings of the ACM Conference on Information and Knowledge Management, 2011. p. 2189-2192.
3. Fagundes, R.A.A. ; SOUZA, R. M. C. R. . Software Defect Estimation using Support Vector Regression. In: 2010 International Conference on Software Engineering and Knowledge Engineering (SEKE, 2010, São Francisco - Califórnia. Proceedings of the International Conference on Software Engineering and Knowledge Engineering. São Francisco : IEEE, 2010. p. 265-268.
4. Costa, A.F.B.F ; Pimental, B.A. ; SOUZA, R. M. C. R. . K-means Clustering for Symbolic Interval Data based on Aggregated Kernel Functions. In: 22nd IEEE International Conference on Tools with Artificial Intelligence (ICTAI 2010), 2010, Arras-França. Proceedings of the International Conference on Tools with Artificial Intelligence (ICTAI 2010). Arras : IEEE, 2010. p. 375-376.
5. ALMEIDA, A. C. M. ; SOUZA, R. M. C. R. ; AQUINO JUNIOR, G. S. ; MEIRA, S. R. L. . Effort Drivers Estimation for Brazilian Geographically Distributed Software Developement. In: Third International Conference on Software Engineering Approaches For Offshore and Outsourced Development (SEAFOOD), 2009, Zurique. LNBIP series of the Third International Conference on Software Engineering Approaches For Offshore and Outsourced Development (SEAFOOD 2009), 2009. p. 5030-5034.
6. Nóbrega, O.O. ; DOMINGUES, M. A. O. ; SOUZA, R. M. C. R. ; Cunha, P.R.F. . Using Symbolic Linear Regression For 4G Network (aceito para publicação). In: IADIS International Conference IADIS WWW/Internet 2009, 2009, Roma. IADIS Press publishes Conference Proceedings, 2009.
7. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T ; LECHEVALLIER, Y. . Classification Automatique des données de type intervalle basée sur une distance de Hausdorff adaptative. In: 10èmes rencontres de la Société Francophone de Classification (SFC'2003),, 2003, Suíça. Actes des 10èmes rencontres de la Société Francophone de Classification (SFC'2003), 2003. p. 95-98.
8. DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. . Clustering of Interval Data with Quadratic Adaptive Distances. In: Meeting of the Classification and Data analysis Group of the Italian Statistical Society, CLADAG - 2003, 2003, Bolonha (Itália). Proceedings of the Meeting of the Classification and Data analysis Group of the Italian Statistical Society, CLADAG - 2003, 2003. p. 151-154.
Resumos publicados em anais de congressos
1. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T . Adaptative Clustering of Interval Data. In: I Workshop on Symbolic Data Analysis - SBIA 2002, 2002, Porto de Galinhas (PE). Collection of Abstracts of the I Workshop on Symbolic Data Analysis., 2002. p. 8-8.
2. DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. . Operador Simbólico para Descrições do tipo Histograma. In: 15 Simpósio Nacional de Probabilidade e Estatística (SINAPE 2002), 2002, Águas de Lindóia ( SP). Livros de Resumos do 15 Simpósio Nacional de Probabilidade e Estatística (SINAPE 2002).. São Paulo : Associação Brasileira de Estatística (ABE), 2002. p. 49-49.
3. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T ; ANSELMO, C. A. F . Uma abordagem simbólica para a mineração de dados SAR. In: 14o. Simpósio Nacional de Probabilidade e Estatística (SINAPE), 2000, Caxambu (MG). Anais do 14o. Simpósio Nacional de Probabilidade e Estatística. São Paulo : ABE, 2000. p. 506-507.
4. DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. . Classificador Simbólico baseado em critérios de similaridade e dissimilaridade. In: 13o Simpósio Nacional de Probabilidade e Estatística, 1998, Caxambu (MG). Anais do 13o Simpósio Nacional de Probabilidade e Estatística. São Paulo : Associação Brasileira de Estatísitica, 1998. p. 399-400.
5. DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. ; ANSELMO, C. A. F. . Classificação simbólica não supervisionada baseada em distâncias. In: 13o Simposio Nacional de Probabilidade e Estatística, 1998, Caxambu (SP). Anais do 13o Simposio Nacional de Probabilidade e Estatística.. São Paulo : Associação Brasileira de Estatística, 1998. p. 106-107.
Apresentações de Trabalho
1. SOUZA, R. M. C. R. ; SILVA FILHO, T. M. . Optimized Learning Vector Quantization Classifier with an Adaptive Euclidean Distance.. 2009. (Apresentação de Trabalho/Conferência ou palestra).
2. SOUZA, R. M. C. R. ; CYSNEIROS, F. J. A. ; QUEIROZ, D. C. F. ; Fagundes, R.A.A. . Two Pattern Classifiers for Interval Data Based on Binary Regression Models. 2008. (Apresentação de Trabalho/Conferência ou palestra).
3. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T . A Clustering Method for Mixed Feature-Type Symbolic Data using Adaptive Squared Euclidean Distances. 2007. (Apresentação de Trabalho/Conferência ou palestra).
4. SILVA, F. C. D ; DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. ; SILVA, J. Q. . A Modal Symbolic Classifier for Interval Data.. 2006. (Apresentação de Trabalho/Conferência ou palestra).
5. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T . A Partitioning Method for Mixed Feature-Type Symbolic Adaptive Squared Euclidean Distance. 2006. (Apresentação de Trabalho/Conferência ou palestra).
6. DE CARVALHO, F. A. T ; SOUZA, R. M. C. R. . A Clustering Method for Symbolic Interval-Type Data using Adaptive Chebyshev Distances. 2004. (Apresentação de Trabalho/Simpósio).
7. SOUZA, R. M. C. R. ; DE CARVALHO, F. A. T . Classificação Não Supervisionada de Dados Simbólicos de Tipo Intervalo. 2003. (Apresentação de Trabalho/Conferência ou palestra).
8. DE CARVALHO, F. A. T ; ANSELMO, C. A. F ; SOUZA, R. M. C. R. . Symbolic Approach to Classify Large Data Sets. 2000. (Apresentação de Trabalho/Conferência ou palestra).
Demais trabalhos
1. SOUZA, R. M. C. R. . Souza, R.M.C.R.: Revisora de artigos no V Encontro Nacional de Inteligência Artificial - ENIA ( Consultoria Cientifica).. 2005 (Revisor de artigos no V Encontro Nacional de Inteligência Artificial - ENIA (Consultoria Cientifica)).
2. SOUZA, R. M. C. R. . Souza, R.M.C.R.: Revisora de artigos no 16th Brasilian Symposium on Artificial Inteligence - SBIA (Consultoria Cientifica). 2004 (Revisão de artigos no 16th Brasilian Symposium on Artificial Inteligence - SBIA).

Bancas
Participação em bancas examinadoras
Dissertações
1. SOUZA, R. M. C. R.; Gimarães, K.S.; Iseppon, A.M.B.; Dávila, A.M.R.. Participação em banca de Flávia Roberta Barbosa de Araújo. Análise de Abordagens Computacionais na Interação SNP-SNP e Aumento do Risco a Doenças. 2011. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco.
2. SOUZA, R. M. C. R.; Tsang Ing Ren; Bernardino, F.M.. Participação em banca de Tago Buarque Assunção de Carvalho. Codificação de Vizihança para Compressão de Imagens e Reconhecimento de Forma. 2010. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco.
3. SOUZA, R. M. C. R.; Macedo, H.T.; CAVALCANTI, G. D. C.. Participação em banca de César Lima Pereira. Técnicas de Redução de Instâncias: ATISA e SSMA2. 2010. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco.
4. SOUZA, R. M. C. R.; SOUTO, M. C. P.; COSTA, I. G.. Participação em banca de André Câmara Alves do Nascimento. MIneração de Regras para Seleção de Técnicas de Agrupamento para Dados de Expressão Gênica de Câncer. 2009. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco.
5. SOUZA, R. M. C. R.; Canuto, A.M.P.; PRUDENCIO, R. B. C.. Participação em banca de Joseane Pereira Rodrigues. Sistemas Inteligentes Híbridos para Classificação de Texto. 2009. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco.
6. SOUZA, R. M. C. R.; Albuquerque, J.O.; Fabio Q. B. da Silva. Participação em banca de Ana Cristina Freitas César. Um Estudo sobre as Relações entre Preferências por Atividades Técnicas e Perfis de Comportamento de Engenheiros de Software. 2009. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco.
7. DE CARVALHO, F. A. T; Candeias, A.L.; SOUZA, R. M. C. R.. Participação em banca de Carlos Wilson Dantas de Almeida. Recupera c ao de Imagens Baseada em uma Abordagem Híbrida. 2007. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco.
Teses de doutorado
1. Adeodato, P.J.L.; SOUZA, R. M. C. R.; Ferraz, Cristiano; Machado, P.D.L.; Mendonça Neto, M.G.. Participação em banca de Eduardo Henrique da Silva Aranha. Estimating Test Execution Effort Based on the Test Specifications. 2009. Tese (Doutorado em Ciências da Computação) - Universidade Federal de Pernambuco.
2. Gimarães, K.S.; Walter, M.E.T.; SOUZA, R. M. C. R.; Campos, M.A.; Melo, S.B.. Participação em banca de Carla Claudia da Rocha Rego. Bi-Clustering de Dados Genéticos Binários Baseado em Modelos de Classificação Logística. 2009. Tese (Doutorado em Matemática Computacional) - Universidade Federal de Pernambuco.
3. Carvalho, C.P.L.F; Cordeiro, G.M.; Zaverucha, A.; SOUZA, R. M. C. R.; LUDEMIR, T. B.. Participação em banca de Eufrásio de Andrade Lima Neto. Modelos de Regressão, Análise Residual e Medidas de Diagnosticos para Dados Simbólicos de Natureza Intervalar. 2008. Tese (Doutorado em Ciências da Computação) - Universidade Federal de Pernambuco.
Qualificações de doutorado
1. SILVA FILHO, A. G.; Melcher, E. U. K.; Lisboa, E. B.; SOUZA, R. M. C. R.. Participação em banca de Guilherme Álvaro Rodrigues Maia Esmeraldo. Análise de Comunicação em Plataformas Multiprocessadas Baseadas em Barramento. 2011. Exame de qualificação (Doutorando em Ciências da Computação) - Universidade Federal de Pernambuco.
2. SOUZA, R. M. C. R.. Participação em banca de Iális Cavalcante de Paula Junior. Desenvolvimento de Medidas de Similaridade Apiicadas à Reresentação, Classificação e Recuperação de Formas Naturais. 2010. Exame de qualificação (Doutorando em Engenharia de Teleinformática) - Universidade Federal do Ceará.
Trabalhos de Conclusão de Curso de graduação
1. SOUZA, R. M. C. R.; Gimarães, K.S.. Participação em banca de Leyla Manoella Maurício Rodrigues de Lima. ANÁLISE DE DADOS GENÔMICOS ASSOCIADOS AO MAL DE ALZHEIMER. 2011. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco.
2. PRUDENCIO, R. B. C.; SOUZA, R. M. C. R.. Participação em banca de Bruno Almeida Pimentel. Métodos de Kernel para Agrupamento de Dados de Tipo Intervalo. 2010. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco.
3. PRUDENCIO, R. B. C.; SOUZA, R. M. C. R.. Participação em banca de Telmo de Menezes e Silova Filho. Aprendizado por Quantização Vetorial usando Distâncias Adaptativas. 2009. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco.
4. PRUDENCIO, R. B. C.; SOUZA, R. M. C. R.. Participação em banca de Diego Cesar Florencio de Queiroz.. Classificadores para dados simbólicos do tipo intervalo baseados em modelos de regressão. 2009. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco.
5. PRUDENCIO, R. B. C.; SOUZA, R. M. C. R.. Participação em banca de Diogo dos Santos Salazar.. Classificadores para dados simbólicos do tipo intervalo baseados em modelos geométricos.. 2009. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco.
6. SOUZA, R. M. C. R.; CAVALCANTI, G. D. C.. Participação em banca de Cesar Lima Pereira. Algoritmos de Aprendizagem Baseados em Instâncias: Técnicas de Redução. 2008. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco.
7. SOUZA, R. M. C. R.; CARVALHO, F. A. T.. Participação em banca de Luciano Demétrio Santos Pacífico. Algoritmos de Agrupamento Ponderados para Dados Quantitativos que Fornecem uma Partição Difusa Baseados em Distâncias Euclidianas Adaptativas. 2008. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco.
8. SOUZA, R. M. C. R.; CAVALCANTI, G. D. C.. Participação em banca de Tiago Buarque Assunção de Carvalho. Um Estudo Sobre Funções de Distância Aplicadas A Algoritmos de Aprendizagem de Máquina. 2007. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco.
9. SOUZA, R. M. C. R.; LUDEMIR, T. B.. Participação em banca de Vilmar Santos Nepomuceno. Otimização da coleta de informações de qualidade da água em reservatórios através de algoritmos de aprendizagem híbrida. 2006. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco.
Participação em bancas de comissões julgadoras
Concurso público
1. LIMA NETO, E. A.; SOUZA, R. M. C. R.; SENA JUNIOR, M. R.. Concurso para Professor Efetivo Assistente UFPB. 2008. Universidade Federal da Paraíba.

Eventos
Participação em eventos
1. 19th International Conference on Artificial Neural Networks.Optimized Learning Vector Quantization Classifier with an Adaptive Euclidean Distance. 2009. (Congresso).
2. IEEE International Conference on Digital Information Managment.Two Pattern Classifiers for Interval Data Based on Binary Regression Models. 2008. (Congresso).
3. International Conference on Hybrid Intelligent Systems.A Clustering Method for Mixed Feature-Type Symbolic Data using Adaptive Squared Euclidean Distances. 2007. (Congresso).
4. Ki 2006 29th annual German Conference on Artificial Intelligence.A Partitioning Method for Mixed Feature-Type Symbolic Data using a Squared Euclidean Distance. 2006. (Congresso).
5. International Conference on Neuro- Information Processing.A Modal Symbolic Classifier for Interval Data. 2006. (Congresso).
6. XVII Brazilian Symposium on Artificial Intelligence - SBIA'04.A Clustering Method for Symbolic Interval-Type Data using Adaptive Chebyshev Distances. 2004. (Simpósio).
7. Encontro Nacional de Inteligência Artificial - ENIA.Classificação Não Supervisionada de Dados de Tipo Intervalo Baseada em Distâncias Não Quadráticas. 2003. (Encontro).
8. 15 Simpósio Nacional de Probabilidade e Estatística -SINAPE.Operador Simbólico para Descrições do tipo Histograma. 2002. (Simpósio).
9. 7th Conference of the International Federation of Classification Societies.Symbolic Approach to Classify Large Data Sets. 2000. (Congresso).
10. 14o. Simpósio Nacional de Probabilidade e Estatística -SINAPE.Uma abordagem simbólica para a mineração de dados SAR. 2000. (Simpósio).
11. 13o Simpósio Brasileiro de Estatística - SINAPE.Classificação simbólica não supervisionada baseada em distâncias. 1998. (Simpósio).
12. 13o Simpósio Nacional de Probabilidade e Estatística -SINAPE.Classificador Simbólico baseado em critérios de similaridade e dissimilaridade. 1998. (Simpósio).

Orientações
Orientações em andamento
Dissertação de mestrado
1. Diego Cesar Florencio de Queiroz. Abordagem de Regressão Logística Kernelizada para Classificação de Dados Simbólicos.. Início: 2011. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco, Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco. (Orientador).
2. Bruno Almeida Pimentel. Agrupamento de Dados Simbólicos usando Abordagem Possibilistic. Início: 2011. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco, Conselho Nacional de Desenvolvimento Científico e Tecnológico. (Orientador).
3. Tellmo de Menezes e Silva Filho. Classificação de Dados Simbólicos usando Redes Neurais LVQ. Início: 2011. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco, Conselho Nacional de Desenvolvimento Científico e Tecnológico. (Orientador).
4. Arthur Felipe Melo Alvim. Métodos de Agrupamento para Dados Simbólicos de Tipo Intervalo usando uma Abordagem Probabilística. Início: 2010. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco, Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco. (Orientador).
Tese de doutorado
1. Fabrizia Medeiros de Sousa Matos. Arquitetura para Classificação de Imagens de Veículos. Início: 2010. Tese (Doutorado em Ciências da Computação) - Universidade Federal de Pernambuco. (Orientador).
2. Roberta Andrade de Araújo Fagundes. Estimativa de Esforço de Projeto de Software Usando Métodos de Regressão Robusta para Dados Intervalares. Início: 2009. Tese (Doutorado em Ciências da Computação) - Universidade Federal de Pernambuco. (Orientador).
3. Carlos Wilson Dantas de Almeida. Abordagens Híbridas para Recuperação e Classificação de Imagens Usando Dados Simbólicos de Tipo Intervalo. Início: 2008. Tese (Doutorado em Ciências da Computação) - Universidade Federal de Pernambuco. (Orientador).
Supervisões e orientações concluídas
Dissertação de mestrado
1. Cristiano Gonçalves de Melo. Modelo de Otimização da Distribuição de Reserva Técnica de Transformadores para Instrumentos em Sistemas de Transmissão. 2010. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco, . Orientador: Renata Maria Cardoso Rodrigues de Souza.
2. Elaine Cristina de Assis. Reconhecimento de Spam usando Funções de Base Radial Simbólicas. 2009. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco, Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco. Orientador: Renata Maria Cardoso Rodrigues de Souza.
3. Arianne de Oliveira Albuquerque. Classsificador Inteligente Híbrido para Grandes Bases de Dados. 2009. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco, . Orientador: Renata Maria Cardoso Rodrigues de Souza.
4. Carlos Wilson Dantas de Almeida. Recuperação de Imagens Baseada em uma Híbrida. 2007. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, . Orientador: Renata Maria Cardoso Rodrigues de Souza.
5. Fabio César Donato Silva. Classificação Supervisionada Usando Dados Simbólicos Booleanos e Modais. 2007. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Co-Orientador: Renata Maria Cardoso Rodrigues de Souza.
6. Simith Tupinamba D'Oliveira Junior. Classificador simbólico baseado em regiões de tipo casca convexa. 2005. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Pernambuco, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Co-Orientador: Renata Maria Cardoso Rodrigues de Souza.
Tese de doutorado
1. Anderson Fabiano Batista Ferreira da Costa. Métodos de Cluster baseados em Kernel para dados Simbólicos de Tipo Intervalo. 2011. Tese (Doutorado em Doutorado em Ciência da Computação) - Universidade Federal de Pernambuco, . Orientador: Renata Maria Cardoso Rodrigues de Souza.
2. Marco Antonio de Oliveira Domingues. Métodos Robustos em Regressão Linear para Dados Simbólicos do Tipo Intervalo. 2010. Tese (Doutorado em Ciências da Computação) - Universidade Federal de Pernambuco, Fundação de Amparo a Pesquisa do Estado do Amazonas. Orientador: Renata Maria Cardoso Rodrigues de Souza.
Trabalho de conclusão de curso de graduação
1. Bruno Almeida Pimentel. Métodos de Kernel para Agrupamento de Dados de Tipo Intervalo. 2010. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco. Orientador: Renata Maria Cardoso Rodrigues de Souza.
2. Diogo dos Santos Salazar. Classificadores para dados simbólicos do tipo intervalo baseados em modelos geométricos. 2009. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco. Orientador: Renata Maria Cardoso Rodrigues de Souza.
3. Telmo de Menezes e Silva Filho. Aprendizado por Quantização Vetorial usando Distâncias Adaptativas. 2009. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco. Orientador: Renata Maria Cardoso Rodrigues de Souza.
4. Diego Cesar Florencio de Queiroz. Classificadores para dados simbólicos do tipo intervalo baseados em modelos de regressão. 2009. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) - Universidade Federal de Pernambuco. Orientador: Renata Maria Cardoso Rodrigues de Souza.
Iniciação Científica
1. Bruno de Almeida Pimentel. Métodos de Kernel para Agrupamento de Dados Simbólicos de Tipo Intervalo. 2010. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco, Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco. Orientador: Renata Maria Cardoso Rodrigues de Souza.
2. Bruno de Almeida Pimentel. Método de Agrupamento para Dados Simbólicos de Tipo Intervalo usando uma Abordagem Possibilística. 2010. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco, Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco. Orientador: Renata Maria Cardoso Rodrigues de Souza.
3. Ricardo Jorge de Almeida Queiroz Filho. Predição de defeitos de Software usando Métodos Robustos de Regressão para Dados Simbólicos de Tipo Intervalo. 2010. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Renata Maria Cardoso Rodrigues de Souza.
4. Diego Cesar Florencio de Queiroz. Classificador para Dados Simbólicos de Tipo Intervalo usando Modelagem Estatística. 2008. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco. Orientador: Renata Maria Cardoso Rodrigues de Souza.
5. Carlos Emanuel Barreto Rodrigues. Modelos de Redes Neurais SOM para Dados Simbólicos. 2008. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Renata Maria Cardoso Rodrigues de Souza.
6. Diogo Rodrigues dos Santos Salazar. Classificador para Dados Simbólicos de Tipo Intervalo usando uma Abordagem Geométrica. 2008. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco. Orientador: Renata Maria Cardoso Rodrigues de Souza.
7. Diego Cesar Floriencio de Queiroz. Um classificador Baseado em Discriminação Logística para Dados Simbólicos. 2008. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Renata Maria Cardoso Rodrigues de Souza.
8. Abiatar Ferreira Chaves Neto. Classificador Simbólico baseado em Funções de Base Radial. 2007. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Renata Maria Cardoso Rodrigues de Souza.
9. André dos Santos Sabóia. Classificador Simbólico. 2007. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco, Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco. Orientador: Renata Maria Cardoso Rodrigues de Souza.
10. Arthur Felipe Cânha Elihimas. Classificador Simbólico baseado em Funções de Base Radial. 2007. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Renata Maria Cardoso Rodrigues de Souza.
11. Carlos Emanuel Barreto Rodrigues. Reconhecimento de Imagens Mamográficas por Conteúdo Baseado em Forma. 2007. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Renata Maria Cardoso Rodrigues de Souza.
12. Joyce Queiroz e Silva. Classificador Simbólico para Dados Quantitativos. 2006. Iniciação Científica. (Graduando em Engenharia Elétrica) - Universidade Federal de Pernambuco, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Renata Maria Cardoso Rodrigues de Souza.
13. André dos Santos Sabóia. Avaliação Experimental de Métodos de Cluster. 2006. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco, Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco. Orientador: Renata Maria Cardoso Rodrigues de Souza.
14. Daniel Ferrari Pizato. Métodos de Nuvens Dinâmicas Adaptativos para Dados Simbólicos. 2005. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Renata Maria Cardoso Rodrigues de Souza.
15. Jose Carlos de Moura Junior. ANÁLISE DOS PADRÕES DE UTILIZAÇÃO DE CÓDONS SINÔNIMOS. 2005. Iniciação Científica. (Graduando em Ciência da Computação) - Universidade Federal de Pernambuco, Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco. Orientador: Renata Maria Cardoso Rodrigues de Souza.
Página gerada pelo Sistema Currículo Lattes em 11/02/2012 às 19:17:51