Busca avançada
Ano de início
Entree
Conteúdo relacionado

Análise de dados heterogêneos em computação urbana

Processo: 20/05121-4
Modalidade de apoio:Auxílio à Pesquisa - Regular
Data de Início da vigência: 01 de abril de 2021
Data de Término da vigência: 31 de março de 2023
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Acordo de Cooperação: MCTI/MC
Pesquisador responsável:Heitor Soares Ramos Filho
Beneficiário:Heitor Soares Ramos Filho
Instituição Sede: Instituto de Ciências Exatas (ICEx). Universidade Federal de Minas Gerais (UFMG). Ministério da Educação (Brasil). Belo Horizonte , SP, Brasil
Pesquisadores associados:Alejandro César Frery Orgambide ; Aline Carneiro Viana Iannone ; André Luiz Lins de Aquino ; Antonio Alfredo Ferreira Loureiro ; Jefersson A dos Santos ; João Batista Borges Neto ; João Guilherme Maia de Menezes ; Leandro Aparecido Villas
Bolsa(s) vinculada(s):21/04140-8 - Caracterização e mineração de séries temporais, BP.TT
Assunto(s):Cidades inteligentes  Computação móvel  Computação urbana  Ciência de dados 
Palavra(s)-Chave do Pesquisador:Cidades Inteligentes | Ciência dos Dados | Computacao Movel | Computação Urbana | Sensoriamento social | Computação Urbana

Resumo

Este projeto tem como objetivo a investigação científica na área de Computação Urbana, onde serão propostos novos métodos de análise de dados de sensoriamento social (sensoriamento participativo, análise de redes sociais e sensoriamento oportunístico) e sensoriamento remoto no contexto de ambientes urbanos. Inicialmente, investigaremos novas formas de representação das séries temporais coletadas através do sensoriamento social baseada na representação de padrões ordinais. Em seguida, proporemos métricas extraídas das representações propostas para avançar o estado-da-arte em mineração de séries temporais para dados de Computação Urbana. Neste projeto, também será investigada a análise de dados de mobilidade urbana e redes sociais, bem como a análise de imagens de sensoriamento remoto em regiões urbanas.Em suma, este projeto apresenta o a proposta investigação científica em quatro linhas: (i)~mineração de séries temporais para Computação Urbana, (ii)~análise de sensoriamento social e mobilidade urbana, (iii) Redes veiculares, Internet das coisas e redes de sensores semfio e (iv)~análise de imagens de sensoriamento remoto para ambientes urbanos. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (13)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
CHAGAS, EDUARDA T. C.; QUEIROZ-OLIVEIRA, MARCELO; ROSSO, OSVALDO A.; RAMOS, HEITOR S.; FREITAS, CRISTOPHER G. S.; FRERY, ALEJANDRO C.. White Noise Test from Ordinal Patterns in the Entropy-Complexity Plane. INTERNATIONAL STATISTICAL REVIEW, v. N/A, p. 23-pg., . (20/05121-4)
CHAGAS, E. T. C.; FRERY, A. C.; GAMBINI, J.; LUCINI, M. M.; RAMOS, H. S.; REY, A. A.. Statistical properties of the entropy from ordinal patterns. Chaos, v. 32, n. 11, p. 13-pg., . (20/05121-4)
REY, ANDREA A.; FRERY, ALEJANDRO C.; LUCINI, MAGDALENA; GAMBINI, JULIANA; CHAGAS, EDUARDA T. C.; RAMOS, HEITOR S.. Exploring Rates of Adherence and Barriers to Time-Restricted Eating. Entropy, v. 25, n. 5, p. 16-pg., . (20/05121-4)
BARROS, PEDRO; QUEIROZ, FABIANE; FIGUEIREDO, FLAVIO; DOS SANTOS, JEFERSSON A.; RAMOS, HEITOR. A New Similarity Space Tailored for Supervised Deep Metric Learning. ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY, v. 14, n. 1, p. 25-pg., . (20/05121-4)
RODRIGUES, DIEGO O.; BRAUN, TORSTEN; MAIA, GUILHERME; VILLAS, LEANDRO; IEEE. Mobility-aware Software-Defined Service-Centric Networking. 2022 31ST INTERNATIONAL CONFERENCE ON COMPUTER COMMUNICATIONS AND NETWORKS (ICCCN 2022), v. N/A, p. 10-pg., . (20/05121-4, 18/19639-5, 15/24494-8, 18/12447-3)
RODRIGUES, DIEGO O.; BRAUN, TORSTEN; MAIA, GUILHERME; VILLAS, LEANDRO; IEEE. Towards SDN-enabled RACH-less Make-before-break Handover in C-V2X Scenarios. 2021 17TH INTERNATIONAL CONFERENCE ON WIRELESS AND MOBILE COMPUTING, NETWORKING AND COMMUNICATIONS (WIMOB 2021), v. N/A, p. 8-pg., . (20/05121-4, 20/11259-9, 18/19639-5, 15/24494-8, 18/12447-3)
BARROS, PEDRO H.; RAMOS, HEITOR S.; IEEE. A novel aggregation method to promote safety security for poisoning attacks in Federated Learning. 2022 IEEE GLOBAL COMMUNICATIONS CONFERENCE (GLOBECOM 2022), v. N/A, p. 6-pg., . (20/05121-4)
CARDOSO-PEREIRA, ISADORA; LOBO-PAPPA, GISELE; RAMOS, HEITOR S.; IEEE. Neural Architecture Search for Resource-Constrained Internet of Things Devices. 26TH IEEE SYMPOSIUM ON COMPUTERS AND COMMUNICATIONS (IEEE ISCC 2021), v. N/A, p. 6-pg., . (20/05121-4)
DE MATTOS, EKLER P.; DOMINGUES, AUGUSTO C. S. A.; SANTOS, BRUNO P.; RAMOS, HEITOR S.; LOUREIRO, ANTONIO A. F.. The Impact of Mobility on Location Privacy: A Perspective on Smart Mobility. IEEE SYSTEMS JOURNAL, v. 16, n. 4, p. 12-pg., . (20/05121-4)
BORGES, JOAO B.; RAMOS, HEITOR S.; LOUREIRO, ANTONIO A. F.. A Classification Strategy for Internet of Things Data Based on the Class Separability Analysis of Time Series Dynamics. ACM TRANSACTIONS ON INTERNET OF THINGS, v. 3, n. 3, p. 30-pg., . (15/24494-8, 20/05121-4)
CHAGAS, EDUARDA T. C.; BARROS, PEDRO H.; CARDOSO-PEREIRA, ISADORA; PONTE, IGOR V.; XIMENES, PABLO; FIGUEIREDO, FLAVIO; MURAI, FABRICIO; COUTO DA SILVA, ANA PAULA; ALMEIDA, JUSSARA M.; LOUREIRO, ANTONIO A. F.; et al. ffects of population mobility on the COVID-19 spread in Brazi. PLoS One, v. 16, n. 12, . (20/05121-4)
CARDOSO-PEREIRA, ISADORA; BORGES, JOAO B.; BARROS, PEDRO H.; LOUREIRO, ANTONIO F.; ROSSO, OSVALDO A.; RAMOS, HEITOR S.. Leveraging the self-transition probability of ordinal patterns transition network for transportation mode identification based on GPS data. NONLINEAR DYNAMICS, v. 107, n. 1, . (20/05121-4, 21/04140-8)
BARROS, PEDRO H.; CHAGAS, EDUARDA T. C.; OLIVEIRA, LEONARDO B.; QUEIROZ, FABIANE; RAMOS, HEITOR S.. Malware-SMELL: A zero-shot learning strategy for detecting zero-day vulnerabilities. COMPUTERS & SECURITY, v. 120, p. 18-pg., . (20/05121-4)