Aluna: Sandy Porto
Resumo:
O objetivo deste trabalho é explorar a ferramenta Neo4j1, um banco de dados onde os objetos e relações são guardados num estrutura em grafo. Um grafo é um conjunto de pontos e linhas, onde os pontos representam objetos e as linhas as relações entre estes. No Neo4j a mesma definição é válida, cada no ́ no banco representa algum objeto, e as ligações, que no caso do banco são sempre direcionadas, as relações entre esses objetos. Cada nó pode receber um classificação chamada ‘Label’, para diferenciar objetos diferentes representados pelos nós, cada nó pode ter zero, um ou mais ‘Labels’. Cada nó ou ligação pode ainda ter propriedades associadas. Em comparação com banco de dados relacionais, as propriedades são equivalentes aos atributos da tabela. As propriedades sã armazenadas como pares nome/valor de cada característica. Essas propriedades podem ser strings, números ou booleanos.
Apresentação

Aluna: Cesare Di Girolamo Neto
Resumo:
O mapeamento de áreas cafeeiras no Brasil torna-se atrativo uma vez que o país é o maior produtor de café do mundo, sendo que em 2012 foi responsável por cerca de 37% da produção mundial e ganhos com exportação próximos a US$ 6 bilhões (USDA, 2013). O café é cultivado em 12 estados brasileiros, sendo que o maior produtor é Minas Gerais, com cerca de 51% da produção nacional (MINISTÉRIO DA AGRICULTURA, 2013). O estado de Minas Gerais teve sua área cafeeira mapeada manualmente por Moreira et al. (2007), baseando-se em imagens de sensoriamento remoto. Todavia, uma das maiores dificuldades no mapeamento por dados de sensoriamento remoto reside na disponibilidade de um método rápido e preciso para obter mapas de uso e cobertura da terra. O mapeamento manual, apesar de ser uma técnica precisa, é praticamente inviável quando aplicado a áreas extensas (VASCONCELOS e NOVO, 2004). Uma alternativa aos métodos manuais é o uso de métodos de classificação automática, com metodologias que permitem a classificação automática pixel a pixel, tratando um grande volume de dados. A metodologia de mineração de dados demonstra alto potencial de aplicação em estudos relacionados ao mapeamento do café (ANDRADE et al., 2013; BISPO et al., 2014). Outro avanço computacional com potencial de ser aplicado a estudos deste tipo são os sistemas gerenciadores de banco de dados (SGBD), os quais são capazes de gerenciar grandes volumes de dados de forma persistente, organizada e interrelacionada (VINHAS e FERREIRA, 2013). Além do mais, SGBDs passaram a contar, a partir dos anos 2000, com extensões espaciais, as quais consistem em métodos de acesso e mecanismos de indexação que permitem o gerenciamento de componentes espaciais (QUEIROZ e FERREIRA, 2005). Considerando as dificuldades no processo de mapeamento manual e os avanços computacionais da última década, o objetivo deste trabalho foi realizar o mapeamento automático de áreas cafeeiras para a região sul de minas gerais utilizando técnicas de mineração de dados e um banco de dados geográfico