Departamento de Ciências de Computação

Jose Fernando Rodrigues Junior

possui Bacharelado (2001), Mestrado (2003), Doutorado (2007) e Pós-Doutorado (2009) em Ciências de Computação e Matemática Computacional pela Universidade de São Paulo; participou do programa de doutorado com estágio no exterior da CAPES (2005-2006), na Universidade Carnegie Mellon em Pittsburgh, PA, EUA. Atualmente é professor Associado do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo, campus São Carlos. É membro da Sociedade Brasileira de Computação (SBC), e também um revisor regular e autor em sua área, tendo contribuído com publicações em grandes periódicos e conferências. Suas atividades profissionais têm foco em Ciência Analítica, Processamento de Imagens, e em Bancos de Dados, atuando principalmente nos temas de análise visual de dados (computação gráfica aplicada a bancos de dados), aprendizado de máquina, recuperação de dados baseada em conteúdo, e ciência analítica com aplicação destas técnicas nos domínios de medicina, agricultura, e aprendizado eletrônico∴

  • http://lattes.cnpq.br/9347760158370905 (11112022)
  • Rótulo/Grupo:
  • Bolsa CNPq:
  • Período de análise:
  • Endereço: Universidade de São Paulo. . Instituto de Ciências Matemáticas e de Computação. Avenida Trabalhador são-carlense, 400 - Centro CEP 13560970 - São Carlos, SP - Brasil
  • Grande área: [sem-grandeArea]
  • Área: [sem-area]
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (17)
    1. 2008-2008. MICAD - Mineração de Imagens Médicas por Conteúdo apoiando CAD: Aplicações em um Hospital Escola

      Membro: José Fernando Rodrigues Júnior.
      O volume de dados e imagens gerados nos hospitais e clínicas médicas cresce a um ritmo cada vez mais acelerado, devido ao barateamento do custo de coletar e armazenar tais informações. O diagnóstico baseado em imagens pode ser grandemente aprimorado se o especialista da área médica puder recuperar de modo rápido e pertinente informações que o apoiem na tomada de decisão. Por exemplo, recuperar casos parecidos com o que está sendo analisado, verificar o inter-relacionamento entre itens de dado e tratamentos/resultados alcançados, bem como visualizar num piscar de olhos a evolução de casos semelhantes e já diagnosticados por colegas especialistas. Este projeto visa o desenvolvimento de técnicas e algoritmos que constituirão o arcabouço teórico e prático para o desenvolvimento de ferramentas que possibilitem compreender o inter-relacionamento entre as características das imagens (que as representam) e seu significado semântico, de modo a obter os dados mais relevantes para serem utilizados para responder consultas por similaridade para apoiar o processo de decisão na elaboração de diagnósticos médicos. Os resultados alcançados por este projeto serão aplicados a sistemas de arquivamento e recuperação de imagens médicas (PACS), permitindo alcançar um patamar mais elevado em tais sistemas. Ou seja, sistemas PACS que já organizam as imagens e dados e pacientes, passarão a apoiar a tomada de decisão para suporte ao diagnóstico médico por imagens..
      Membro: Elaine Parros Machado de Sousa.
      O volume de dados e imagens gerados nos hospitais e clínicas médicas cresce a um ritmo cada vez mais acelerado, devido ao barateamento do custo de coletar e armazenar tais informações. O diagnóstico baseado em imagens pode ser grandemente aprimorado se o especialista da área médica puder recuperar de modo rápido e pertinente informações que o apoiem na tomada de decisão. Por exemplo, recuperar casos parecidos com o que está sendo analisado, verificar o inter-relacionamento entre itens de dado e tratamentos/resultados alcançados, bem como visualizar num piscar de olhos a evolução de casos semelhantes e já diagnosticados por colegas especialistas. Este projeto visa o desenvolvimento de técnicas e algoritmos que constituirão o arcabouço teórico e prático para o desenvolvimento de ferramentas que possibilitem compreender o inter-relacionamento entre as características das imagens (que as representam) e seu significado semântico, de modo a obter os dados mais relevantes para serem utilizados para responder consultas por similaridade para apoiar o processo de decisão na elaboração de diagnósticos médicos. Os resultados alcançados por este projeto serão aplicados a sistemas de arquivamento e recuperação de imagens médicas (PACS), permitindo alcançar um patamar mais elevado em tais sistemas. Ou seja, sistemas PACS que já organizam as imagens e dados e pacientes, passarão a apoiar a tomada de decisão para suporte ao diagnóstico médico por imagens.
      Membro: Agma Juci Machado Traina.
    2. 2006-2006. MIRVisIM - Mineração, Indexação, Recuperação e Visualização de Dados em Sistemas de Arquivamento de Imagens Médicas

      Membro: José Fernando Rodrigues Júnior.
      Este projeto visa propor e implementar novas técnicas e ferramentas que permitam extrair o conhecimento inerente a exames médicos por imagens, aumentando a funcionalidade de um sistema PACS em desenvolvimento (cbPACS). O ferramental a ser desenvolvido depende de quatro vertentes de pesquisa, desde o suporte básico do desenvolvimento de técnicas de extração de características de imagens de modo a propiciar sua recuperação por conteúdo e efetuar consultas por similaridade; o desenvolvimento e aprimoramento de métodos de acesso eficientes para processar tais consultas de modo rápido e efetivo; o desenvolvimento de técnicas de mineração de dados através de regras de associação e seleção de atributos. Tais atividades serão suportadas por técnicas de visualização de dados que serão propostas e implementadas visando auxiliar o desenvolvimento e afinamento dos algoritmos das vertentes anteriores. A recuperação de imagens por conteúdo vale-se da extração de características das imagens, porém as características extraídas individualmente têm pouco significado de forma isolada para a busca de imagens específicas. Assim, para que as consultas por similaridade recuperem imagens significativas em aplicações destinadas ao usuário final, é necessário que as consultas especifiquem detalhadamente como as características devem ser comparadas, integrando diversas características na mesma consulta. Este projeto objetiva também disponibilizar ferramental para auxiliar o preparo das consultas que serão embutidas em aplicativos para o usuário final. Para atingir tal meta, o projeto deve explorar a utilização de maneira integrada de quatro recursos: sistemas de bancos de dados relacionais; indexação de dados em domínios métricos; consultas por similaridade; e mineração de imagens.
      Membro: Elaine Parros Machado de Sousa.
      Este projeto visa propor e implementar novas técnicas e ferramentas que permitam extrair o conhecimento inerente a exames médicos por imagens, aumentando a funcionalidade de um sistema PACS em desenvolvimento (cbPACS). O ferramental a ser desenvolvido depende de quatro vertentes de pesquisa, desde o suporte básico do desenvolvimento de técnicas de extração de características de imagens de modo a propiciar sua recuperação por conteúdo e efetuar consultas por similaridade; o desenvolvimento e aprimoramento de métodos de acesso eficientes para processar tais consultas de modo rápido e efetivo; o desenvolvimento de técnicas de mineração de dados através de regras de associação e seleção de atributos. Todas as vertentes anteriores serão suportadas por técnicas de visualização de dados que serão propostas e implementadas visando auxiliar o desenvolvimento e afinamento dos algoritmos das vertentes anteriores.
      Membro: Cristina Dutra de Aguiar.
      Este projeto visa propor e implementar novas técnicas e ferramentas que permitam extrair o conhecimento inerente a exames médicos por imagens, aumentando a funcionalidade de um sistema PACS em desenvolvimento (cbPACS). O ferramental a ser desenvolvido depende de quatro vertentes de pesquisa, desde o suporte básico do desenvolvimento de técnicas de extração de características de imagens de modo a propiciar sua recuperação por conteúdo e efetuar consultas por similaridade; o desenvolvimento e aprimoramento de métodos de acesso eficientes para processar tais consultas de modo rápido e efetivo; o desenvolvimento de técnicas de mineração de dados através de regras de associação e seleção de atributos. Tais atividades serão suportadas por técnicas de visualização de dados que serão propostas e implementadas visando auxiliar o desenvolvimento e afinamento dos algoritmos das vertentes anteriores. A recuperação de imagens por conteúdo vale-se da extração de características das imagens, porém as características extraídas individualmente têm pouco significado de forma isolada para a busca de imagens específicas. Assim, para que as consultas por similaridade recuperem imagens significativas em aplicações destinadas ao usuário final, é necessário que as consultas especifiquem detalhadamente como as características devem ser comparadas, integrando diversas características na mesma consulta. Este projeto objetiva também disponibilizar ferramental para auxiliar o preparo das consultas que serão embutidas em aplicativos para o usuário final. Para atingir tal meta, o projeto deve explorar a utilização de maneira integrada de quatro recursos: sistemas de bancos de dados relacionais; indexação de dados em domínios métricos; consultas por similaridade; e mineração de imagens.
      Membro: Caetano Traina Junior.
    3. 2003-2003. Protem-CC/NSF

      Membro: José Fernando Rodrigues Júnior.
    4. 2000-2000. IMiMD - Indexing and Data Mining in Multimedia Databases

      Membro: José Fernando Rodrigues Júnior.
      Este projeto envolve cooperação científica entre instituições de pesquisa brasileiras coordenadas pelo Instituto de Ciências Matemáticas e Computacionais - ICMC da USP em São Carlos e a Carnegie Mellon University - CMU. A duração do projeto é de 4 anos, e pretende enfocar dois problemas relacionados: a indexação de informações multimídia, tratadas como conjuntos de dados em espaços métricos; e o desenvolvimento de técnicas de ?data mining ? para a visualização e descoberta de padrões nesses conjuntos. Uma consulta típica envolvendo esses tipos de dados poderia ser: ?encontre todos os rostos de pessoas que estejam dentro de determinado grau de similaridade de um rosto dado?. Já uma consulta cuja resposta necessita o emprego de técnicas de data mining seria: ?encontre todos os pares de impressões digitais dentro de determinado grau de similaridade?. A função de dissimilaridade é específica para o domínio de dados em questão, e sempre que ela for comutativa e respeitar a desigualdade triangular, o conjunto de dados será considerado em um espaço métrico. Técnicas já desenvolvidas pelo coordenador americano mostraram como mapear objetos de um espaço métrico para um espaço vetorial de características (?features?). Assim, espaços vetoriais (ou espaciais), métricos e espaços multimídia são conceitos estreitamente ligados. Para as tarefas de indexação dos dados multimídia, este projeto propõe: prover técnicas de estimativa de seletividade e de acessos a disco para responder esses tipos de consultas; e tornar mais eficientes as estruturas de indexaçno em espaços métricos existentes, melhorando os algoritmos e estruturas de dados empregadas. Nosso otimismo em atingir esses objetivos são baseados em trabalhos conjuntos já realizados, que indicaram que a distribuição de distâncias em espaços métricos e espaciais frequentemente segue uma razão de potíncias. Essa é a primeira e ainda única evidência de alguma regularidade observada em conjuntos de dados métricos reais.
      Membro: Agma Juci Machado Traina.
    5. 2013-2013. Aleijadinho 3D
      O projeto Ajeijadinho 3D é uma iniciativa apoiada pela Universidade de São Paulo (Museu de Ciências e Pró-reitoria de Cultura e Extensão) que envolve a digitalização 3D das obras do escultor Antônio Francisco Lisboa, mais conhecido como Aleijadinho. O projeto fez uso de técnicas avançadas de aquisição e tratamento de malhas 3D para difusão cultural e auxílio à preservação das obras. As aquisições 3D objeto do projeto foram realizadas ao longo de uma semana, no final do mês de julho de 2013 nas cidades de Ouro Preto, MG e Congonhas, MG. A digitalização foi feita com um equipamento especial fornecido pela empresa Leica Geosystems, o qual permitiu que as obras fossem digitalizadas a distâncias entre 10 e 30 metros, definindo um procedimento não invasivo, e com logística simplificada, sem a necessidade de preparação nem de isolamento dos sítios das obras. Em Ouro Preto, foram digitalizadas as igrejas de Francisco de Assis, Nossa Senhora do Carmo, e Nossa Senhora das Mercês; em Congonhas, foi digitalizado todo o Santuário do Bom Jesus dos Matosinhos e seus 12 profetas. Uma vez digitalizadas, as obras passaram por um longo processo de preparação que exigiu o tratamento minucioso das malhas realizado pelos especialistas da Universidade de São Paulo em parceria com a empresa Imprimate. http://aleijadinho3d.icmc.usp.br/
      Membro: José Fernando Rodrigues Júnior.
    6. 2013-2013. Reliable and Smart Crowdsourcing Solution for Emergency and Crisis Management (RESCUER)
      The RESCUER project aims at developing an interoperable computer-based solution to support command centres in quickly handling emergencies and managing crisis based on reliable and intelligent analysis of crowdsourcing information mashed up with open data. The special focus is on incidents in industrial areas and at large-scale events.
      Membro: José Fernando Rodrigues Júnior.
    7. 2015-2015. Desenvolvimento de Técnicas para Buscas por Similaridade em Sistemas de Gerenciamento de Bases de Dados Complexos Relacionais
      Os Sistemas de Gerenciamento de Bases de Dados (SGBD) baseados na Teoria Relacional foram desenvolvidos para atender às necessidades de armazenagem e recuperação de grandes volumes de dados representados por valores numéricos, datas e pequenas cadeias de caracteres, chamados genericamente ``dados escalares''. Com a evolução da tecnologia da informação, vem se tornando necessário organizar, armazenar e recuperar outros tipos de dados, a que nos referimos como ``dados complexos'', tais como imagens, vídeo, séries temporais, sequências genômicas, etc. As consultas por identidade ou por relação de ordem (RO), úteis para dados escalares, não são adequadas para dados complexos. Para eles, as consultas por similaridade têm sido a opção mais estudada, mas a sua disponibilidade em SGBD é ainda bastante restrita. Este projeto visa abordar a incorporação de recursos para recuperação de dados complexos por similaridade em SGBD Relacionais, desenvolvendo técnicas que cubram de maneira abrangente as principais necessidades dos módulos que constituem um SGBD, incluindo: a) integração da representação de consultas por similaridade em uma extensão da linguagem SQL; b) definição unificada dos operadores algébricos por similaridade segundo a teoria relacional, como operadores interoperáveis com os tradicionais; c) desenvolvimento de técnicas para otimização lógica e física dos planos de execução de consultas, e d:) desenvolvimento de técnicas para indexação e recuperação eficiente combinando operações de busca por similaridade, por identidade e por RO. O conhecimento e a tecnologia gerados poderão ser aplicados a muitas áreas de atividade humana, mas no projeto serão validadas em aplicações de apoio ao diagnóstico em medicina e em estudos de modelos climáticos, dando continuidade às atividades que já vem sendo realizadas pelo GBdI. Assim, além do grande potencial de inovação em tecnologia da informação inerente ao projeto, sua aplicação nessas áreas trará benefícios imediatos a toda a população.
      Membro: José Fernando Rodrigues Júnior.

      Membro: Caetano Traina Junior.
      Os Sistemas de Gerenciamento de Bases de Dados (SGBD) baseados na Teoria Relacional foram desenvolvidos para atender às necessidades de armazenagem e recuperação de grandes volumes de dados representados por valores numéricos, datas e pequenas cadeias de caracteres, chamados genericamente ``dados escalares''. Com a evolução da tecnologia da informação, vem se tornando necessário organizar, armazenar e recuperar outros tipos de dados, a que nos referimos como ``dados complexos'', tais como imagens, vídeo, séries temporais, sequências genômicas, etc. As consultas por identidade ou por relação de ordem (RO), úteis para dados escalares, não são adequadas para dados complexos. Para eles, as consultas por similaridade têm sido a opção mais estudada, mas a sua disponibilidade em SGBD é ainda bastante restrita. Este projeto visa abordar a incorporação de recursos para recuperação de dados complexos por similaridade em SGBD Relacionais, desenvolvendo técnicas que cubram de maneira abrangente as principais necessidades dos módulos que constituem um SGBD, incluindo: a) integração da representação de consultas por similaridade em uma extensão da linguagem SQL; b) definição unificada dos operadores algébricos por similaridade segundo a teoria relacional, como operadores interoperáveis com os tradicionais; c) desenvolvimento de técnicas para otimização lógica e física dos planos de execução de consultas, e d:) desenvolvimento de técnicas para indexação e recuperação eficiente combinando operações de busca por similaridade, por identidade e por RO. O conhecimento e a tecnologia gerados poderão ser aplicados a muitas áreas de atividade humana, mas no projeto serão validadas em aplicações de apoio ao diagnóstico em medicina e em estudos de modelos climáticos, dando continuidade às atividades que já vem sendo realizadas pelo GBdI. Assim, além do grande potencial de inovação em tecnologia da informação inerente ao projeto, sua aplicação nessas áreas trará benefícios imediatos a toda a população.
      Membro: Agma Juci Machado Traina.
    8. 2016-2016. Projeto Repasse
      O objetivo do Repasse é ser uma ferramenta para visualização das transferências do governo federal para a sua cidade e possibilitar a análise do impacto destas receitas. Trata-se de uma ferramenta para auditar o uso do dinheiro público.
      Membro: José Fernando Rodrigues Júnior.
    9. 2018-2018. Análise e aprimoramento de cidades por meio de mapas digitais representados por redes complexas
      As redes complexas têm potencial na pesquisa e na experimentação computacional por meio de sua ampla capacidade de representar sistemas modelados por seus vértices e arestas, e pelos atributos de seus elementos. Elas proporcionam a representação de estruturas urbanas pela modelagem de suas malhas viárias. Seus elementos, vértices e arestas, descrevem as cidades por intermédio das vias e de suas intersecções. Deste modo, incorporam predicados referentes ao transporte no espaço urbano. Sua aplicação se destaca quando se vincula a estrutura das cidades as suas falhas de planejamento e/ou aos entraves cotidianos que impactam em sua mobilidade por meio da lentidão, de congestionamentos, e da falta de acesso viário. Isto posto, com a análise de informações provenientes das redes viárias, e por meio de métricas inerentes ao seus elementos, este trabalho visa desenvolver técnicas para guiar ações de planejamento mais efetivas por meio da otimização das estruturas viárias de transporte e da caracterização do espaço urbano, empregando técnicas computacionais focadas na análise estrutural, topológica e geométrica da rede, além da extração de suas característica para análise da similaridade entre cidades distintas. A metodologia do trabalho parte da extração, representação computacional e pré-processamento de mapas digitais, amplamente produzidos na atualidade, seguida do desenvolvimento e/ou aprimoramento de algoritmos. Serão usados métodos de redes complexas, técnicas para detecção de agrupamentos e de suas exceções, procedimentos para análise de similaridade, além de processos matemáticos advindos da teoria de funções submodulares, envolvendo a modelagem e otimização de sistemas urbanos. Por meio deste conjunto de métodos, prevê-se contribuições teóricas e práticas, na forma de técnicas e ferramentas de análise, projeto e otimização urbana.
      Membro: José Fernando Rodrigues Júnior.
    10. 2022-2022. Projeto Coral USP Sao Carlos
      Projeto de cultura e extensão financiado pelo Banco Santander cujo objetivo é aprimorar as atividades do Coral USP Sao Carlos. O projeto inclui a compra de equipamento e a contratação de serviços.
      Membro: José Fernando Rodrigues Júnior.
    11. 2002-2002. VisIR - Indexação, Recuperação e Visualização de Dados Multimídia em um Sistema de Arquivamento de Imagens Médicas

      Membro: José Fernando Rodrigues Júnior.
      O objetivo direto desse projeto é o desenvolvimento de um ferramental teórico e prático para a análise e indexação de imagens, que permita a visualização das análises feitas sobre os conjuntos de imagens de forma multi-modal, isto é, segundo abordagens diferentes (por atributo em linhas, por pixels e cores, por projeção e mapeamento). É importante ressaltar desde o início que os processos de visualização a que se refere este projeto correspondem à visualização dos conjuntos de imagens, seus relacionamentos, agrupamentos, etc., e não à visualização de cada imagem individual (por exemplo de um exame médico). A recuperação de imagens por conteúdo vale-se da extração de características das imagens, porém as características extraídas individualmente têm pouco significado de forma isolada para a busca de imagens específicas. Assim, para que as consultas recuperem imagens significativas em aplicações destinadas ao usuário final, é necessário que as consultas especifiquem detalhadamente como as características devem ser comparadas, integrando diversas características na mesma consulta. Este projeto tem por objetivo a disponibilidade desse ferramental para auxiliar o preparo das consultas que serão embutidas em aplicativos para o usuário final. Para atingir esse objetivo, o projeto deve explorar a utilização de maneira integrada de quatro recursos: sistemas de bancos de dados relacionais; indexação de dados em domínios métricos; consultas por similaridade; e mineração visual interativa de dados. Como a idéia é integrar a capacidade de processamento dos computadores com a capacidade humana de interpretação de informações representadas graficamente, para "afinar" as consultas feitas sobre conjuntos de imagens, serão utilizadas as consultas por similaridade, apoiadas por estruturas de indexação métricas (aproveitando a capacidade de processamento dos computadores), juntamente com operaçtes de seleção visual, onde o usuário interage com visualizações geradas.
      Membro: Agma Juci Machado Traina.
    12. 2009-2009. AgroDataMine: Desenvolvimento de Métodos e Técnicas de Mineração de Dados para Apoiar Pesquisas em Mudanças Climáticas com Ênfase em Agrometeorologia

      Membro: José Fernando Rodrigues Júnior.
      O aquecimento global e suas conseqüências trazem novos desafios para os pesquisadores do Século XXI. Apesar da comunidade científica não ter dúvidas sobre o aquecimento do planeta, é premente a identificação das causas do aumento da temperatura média global, bem como a quantificação desse aquecimento e suas consequências para os ecossistemas. Modelos matemáticos e estatísticos têm sido empregados para analisar os possíveis cenários futuros e consequentemente uma grande quantidade de dados tem sido gerada. Além disso, o avanço tecnológico tem propiciado melhorias nos diversos sensores utilizados para medições de dados climáticos e de imageamento da superfície terrestre, contribuindo para o aumento na quantidade e complexidade dos dados gerados. As pesquisas envolvendo grande volume e diversidade de dados remete a dois dos Grandes Desafios da Computação: a gestão da informação em grandes volumes de dados e a modelagem computacional de sistemas complexos. Neste contexto, este projeto de pesquisa propõe investigar e desenvolver técnicas e métodos computacionais para analisar os conjuntos de dados complexos utilizados por meteorologistas e agrometeorologistas, para auxiliá-los na pesquisa de impactos das mudanças climáticas na agricultura brasileira. Em linhas gerais, o objetivo deste projeto é desenvolver métodos para analisar os resultados dos modelos regionais de prognóstico de mudanças climáticas e compará-los com medidas reais coletadas pelas estações de superfície, a fim de avaliar a qualidade dos dados gerados e dar subsídios para a calibração dos modelos de previsão. Adicionalmente, pretende-se desenvolver novos métodos para filtrar, analisar e extrair padrões da associação entre dados climáticos e dados extraídos de sensores remotos para auxiliar nas pesquisas agrícolas. O projeto embasa-se na parceria de pesquisadores do Grupo de Bases de Dados e Imagens (GBdI) do ICMC-USP, da Embrapa Informática Agropecuária, do Centro de Pesquisas Meteorológicas e Climáticas.
      Membro: Elaine Parros Machado de Sousa.
      O aquecimento global e suas conseqüências trazem novos desafios para os pesquisadores do Século XXI. Apesar da comunidade científica não ter dúvidas sobre o aquecimento do planeta, é premente a identificação das causas do aumento da temperatura média global, bem como a quantificação desse aquecimento e suas consequências para os ecossistemas. Modelos matemáticos e estatísticos têm sido empregados para analisar os possíveis cenários futuros e consequentemente uma grande quantidade de dados tem sido gerada. Além disso, o avanço tecnológico tem propiciado melhorias nos diversos sensores utilizados para medições de dados climáticos e de imageamento da superfície terrestre, contribuindo para o aumento na quantidade e complexidade dos dados gerados. As pesquisas envolvendo grande volume e diversidade de dados remete a dois dos Grandes Desafios da Computação: a gestão da informação em grandes volumes de dados e a modelagem computacional de sistemas complexos. Neste contexto, este projeto de pesquisa propõe investigar e desenvolver técnicas e métodos computacionais para analisar os conjuntos de dados complexos utilizados por meteorologistas e agrometeorologistas, para auxiliá-los na pesquisa de impactos das mudanças climáticas na agricultura brasileira. Em linhas gerais, o objetivo deste projeto é desenvolver métodos para analisar os resultados dos modelos regionais de prognóstico de mudanças climáticas e compará-los com medidas reais coletadas pelas estações de superfície, a fim de avaliar a qualidade dos dados gerados e dar subsídios para a calibração dos modelos de previsão. Adicionalmente, pretende-se desenvolver novos métodos para filtrar, analisar e extrair padrões da associação entre dados climáticos e dados extraídos de sensores remotos para auxiliar nas pesquisas agrícolas. O projeto embasa-se na parceria de pesquisadores do Grupo de Bases de Dados e Imagens (GBdI) do ICMC-USP, da Embrapa Informática Agropecuária, do Centro de Pesquisas Meteorológicas e Climáticas.
      Membro: Caetano Traina Junior.
    13. 2012-2012. Processamento e Visualização Interativa de Grandes Grafos
      Grafos determinam dados complexos presentes em inúmeros campos de pesquisa, sendo que a extração de informações úteis de uma estrutura de grafo pode prover ganhos significativos para diversas aplicações. No entanto, novas tecnologias de comunicações e monitoramento têm produzido grafos com magnitudes que dificultam sua computação e análise. Dentre os processos usados para se lidar com tais grafos está o particionamento hierárquico; segundo esta metodologia, os vértices de um grafo podem ser agrupados recursivamente, determinando uma hierarquia, de acordo com os relacionamentos definidos por eles próprios. Mesmo assim, as atuais estruturas de dados usadas para esta computação baseiam-se na memória primária dos equipamentos computacionais, limitando as possibilidades de uso a um recurso escasso se comparado aos volumes de dados considerados. Diante disso, o presente trabalho visa à pesquisa e ao desenvolvimento de uma nova metodologia de representação de grafos particionados hierarquicamente. A metodologia deve permitir o processamento de grafos armazenados em disco ao mesmo tempo em que permite responder a questões de conectividade relativas ao grafo original e às partições da representação hierárquica. Como prova de conceito, a inovação proposta será aplicada a um sistema de visualização multi-resolução de grafos denominado GMine. A nova abordagem possibilitará alternativas menos sujeitas à cardinalidade destes conjuntos de dados
      Membro: José Fernando Rodrigues Júnior.
    14. 2011-2011. Mineração visual analítica de grandes bases de dados auxiliando a detecção de eventos extremos agrometeorológicos: aplicações em climatologia
      O uso de técnicas de análise visual de dados é uma necessidade que emergiu junto com a era da informação. No entanto, tais técnicas possuem limites ditados pelas características de seus esquemas visuais. Uma das linhas de trabalho promissoras para se expadir suas possibilidades é a combinação de tais técnicas com o processamento analítico advindo da disciplina de mineração de dados. Esta combinação já foi observada na literatura, todavia, trabalhos anteriores são de caráter eventual e com restrições de aplicação. Neste trabalho propõe-se a inovação denominada processo convergente de mineração visual de dados, uma proposta inédita que aproveita mutuamente técnicas de análise, visuais e analíticas. Uma inovação que será aplicada a um domínio de interesse social e econômico: dados agrometeorológicos (de satélite e de campo) sobre problemas climatológicos em regiões de cultivo de cana-de-açúcar. O trabalho deve permitir a geração de contribuições teóricas e práticas, validadas e consolidadas sobre o ambiente de pesquisas da Embrapa/Cepagri de Campinas
      Membro: José Fernando Rodrigues Júnior.
    15. 2015-2015. Descrição analítica de grafos em escala Web utilizando processamento paralelo assíncrono combinado com técnicas de projeção multi-resolução sobre matrizes de adjacência: aplicações sobre a Web 2.0
      Os chamados grafos em escala Web (ou escala planetária) possuem milhões de vértices e bilhões de aresta. Tais grafos têm surgido em diversos contextos contemporâneos contendo informações capazes de explicar comportamentos sociais (Twitter e Facebook), hábitos comerciais (Amazon), estruturas de sistemas (como estradas e redes de computadores), informações não estruturadas (como a Wikipedia), organização de informações (como hipertextos), entre muitas outras. Tais grafos são de valor analítico, pois, além de possuírem ampla informação, há uma tendência a se produzirem cada vez mais destes dados nos próximos anos. Por esta razão, torna-se necessário o desenvolvimento e a maestria sobre técnicas capazes de trabalhar com tais informações. Neste trabalho, propõe-se o uso de técnicas de processamento paralelo assíncrono de grafos combinadas com técnicas de projeção multi-resolução sobre matrizes de adjacência para o processamento não distribuído e para a representação visual de grafos em escala Web. O trabalho se baseará na sistemática GraphChi com o objetivo de desenvolver técnicas analítico-visuais que não necessitem de clusters computacionais, mas sim que tornem a visualização de grandes grafos acessível a sistemas comerciais com um único nó de processamento.
      Membro: José Fernando Rodrigues Júnior.
    16. 2019-2019. Medicina preventiva por meio de técnicas de Deep Learning aplicadas ao prognóstico de saúde
      Deep Learning (DL) describes a class of algorithms capable of combining raw inputs into successive layers of intermediate features to achieve computational intelligence. These algorithms have shown impressive results across several domains. In Medicine, for example, which is a data-rich discipline, the data are complex and often not yet understood. Deep Learning techniques may be particularly well-suited to solve problems in this field. In that context, the aim of this project is to explore the possibilities of DL in the context of computer-aided medicine; the activities include dealing with the various problems related to the application of DL to the specific context of clinical data. The issues include pre-processing demands to produce large, labeled, and cleaned datasets of clinical data; modeling complex information according to the demands of DL processing; fine-tuning DL architectures with respect to the specific problems of prognostic care; iterative training-testing rounds to achieve highly accurate methods; clinical validation of the results; and dissemination of the methods in the form of real-world applications with actual social impact. These tasks will be carried out over two initial problems: (i) the automatic detection of skin tumors from skin lesion photos; (ii) the prognostic of patients based on the clinical history as given by Electronic Medical Records (EMRs). The first problem will use open-access data from the ISIC Dermoscopic Archive, and from the Edinburgh Dermofit Library to transfer-learn over the ResNet-152 network modeled to the ILSVRC competition. The second problem will use data from the French institution AGIR to guide the modeling and training of a Long Short-Term Memory DL architecture capable of inferring over large contexts of sequential information, as those seen in EMRs. The two methods shall impact on practices of preventive medicine, allowing for early detection of skin tumors and early recommendation of treatments/procedures. This impact is of special importance to the Brazilian scenario, in which basic health care is inaccessible in many regions of the country. The postdoc period will contribute to the expertise of the proponent in a currently active research field, promoting new investigative fronts to his research group.
      Membro: José Fernando Rodrigues Júnior.
    17. 2018-2018. Técnicas de Deep Learning aplicadas à medicina visando auxílio diagnóstico preventivo
      O termo Deep Learning (DL) descreve uma classe de algoritmos capazes de processar entradas de dados ao longo de camadas sucessivas de neurônios artificiais para obter inteligência computacional. Esses algoritmos mostraram resultados impressionantes em vários domínios. Na Medicina, por exemplo, que é uma disciplina rica em dados, os dados são complexos e muitas vezes ainda não são compreendidos; as técnicas de Deep Learning podem ser particularmente adequadas para resolver problemas neste campo. Mais especificamente, o objetivo deste projeto é explorar as possibilidades de DL no contexto da medicina auxiliada por computador; as atividades incluem lidar com os vários problemas relacionados à aplicação de DL sobre dados clínicos. Os problemas incluem demandas de pré-processamento para produzir conjuntos de dados grandes, rotulados e limpos; modelagem de informações complexas de acordo com as demandas de processamento de DL; ajuste fino de arquiteturas de DL com relação a problemas específicos de tratamento prognóstico; rodadas de testes de treinamento iterativo para obter métodos altamente precisos; validação clínica dos resultados; e disseminação dos métodos na forma de aplicações do mundo real com impacto social real. Neste projeto, essas tarefas serão realizadas em dois problemas: (i) a detecção automática de tumores de pele a partir de fotos de lesões da pele; (ii) o prognóstico de pacientes com base na história clínica, como descrita por Registros Médicos Eletrônicos (RMEs). O primeiro problema usará os dados de acesso aberto do ISIC Dermoscopic Archive, e da Edinburgh Dermofit Library para transferir aprendizado sobre a rede ResNet-152, modelada para a competição ILSVRC. O segundo problema utilizará dados da instituição francesa AGIR para orientar a modelagem e o treinamento de uma arquitetura DL do tipo Long Short-Term Memory, capaz de inferir sobre grandes contextos de informação sequencial, como os vistos em RMEs. Os dois métodos terão impacto nas práticas de medicina preventiva, permitindo a detecção precoce de tumores de pele e a recomendação precoce de tratamentos/procedimentos médicos. Esse impacto é de especial importância para o cenário brasileiro, no qual a atenção básica à saúde é inacessível em muitas regiões do país. O projeto irá contribuir para a expertise do proponente em um campo de pesquisa atualmente ativo, promovendo novas frentes de investigação para seu grupo de pesquisa.
      Membro: José Fernando Rodrigues Júnior.

Prêmios e títulos

  • Total de prêmios e títulos (1)
    1. Best Student Paper Award do trabalho "APEHR Automated Prognosis in Electronic Health Records using multi-head self-attention". IEEE Technical Committee on Computational Life Science. 2021.
      Membro: José Fernando Rodrigues Júnior.

Participação em eventos

  • Total de participação em eventos (7)
    1. Frequency Plot and Relevance Plot to Enhance Visual Data Exploration / Using Efficient Visual Exploration Techniques to Evaluate Features for Content-based Image Retrieval. 16th Brazilian Symposium on Computer Graphics and Image Processing
    2. Visualization Tree, Multiple Linked Analytical Decisions. 5th International Symposium on Smart Graphics
    3. SuperGraph Visualization. 8º. IEEE International Symposium on Multimedia
    4. MetricSPlat - A platform for quick development, testing and visualization of content-based retrieval techniques. XXIV Simpósio Brasileiro de Banco de Dados
    5. The Visual Expression Process: bridging Vision and Data Visualization. 8th International Symposium on Smart Graphics
    6. StructMatrix: Large-scale visualization of graphs by means of structure detection and dense matrices. IEEE ICDM Workshop on Data Mining in Networks
    7. Hierarchical Visual Filtering, pragmatic and epistemic actions for database visualization. The 28th Annual ACM Symposium

Organização de eventos

  • Total de organização de eventos (14)
    1. . 16º. Simpósio Brasileiro de Computação Gráfica e Processamento de Imagens (SIBGRAPI2003). Instituto de Ciências Matemáticas e de Computação (ICMC-USP). 2003. Nao_informado
    2. . Concurso público para provimento de um cargo do Programa de Contratação de Técnicos de Nível Superior (Procontes), junto ao Grupo de Bases de Dados e Imagens do ICMC-USP, conforme Edital ATAC/ICMC-013/2007 de 16 de outubro de 2007. Instituto de Ciências Matemáticas e de Computação (ICMC-USP). 2007. Organizacao
    3. . Concurso público para provimento de um cargo do Programa de Contratação de Técnicos de Nível Superior (Procontes), junto ao Grupo de Bases de Dados e Imagens do ICMC-USP, conforme Edital ATAC/ICMC-02/2008 de 01 de setembro de 2008. Instituto de Ciências Matemáticas e de Computação. 2008. Organizacao
    4. . FAI-UFSCar no campus Sorocaba. Universidade Federal de São Carlos - campus Sorocaba. 2009. Organizacao
    5. . Semana de recepção aos calouros do ICMC-USP. Instituto de Ciências Matemáticas e de Computação. 2011. Organizacao
    6. . VIII Sessão de Demos do XXVI Simpósio Brasileiro de Bancos de Dados. Sociedade Brasileira de Computação. 2011. Organizacao
    7. . Workshop of PhD and MSc Research (WTD) - ICMC-USP. Instituto de Ciências Matemáticas e de Computação. 2013. Organizacao
    8. . 7th International Conference on Similarity Search and Applications - SISAP. SISAP steering commitee. 2014. Organizacao
    9. . e-Science Workshop of Works in Progress in conjunction with The 10th IEEE International Conference on e-Science. IEEE. 2014. Organizacao
    10. . Workshop do Dept. de Ciências de Computação do ICMC-USP. ICMC-USP. 2013. Organizacao
    11. . Semana de recepção aos calouros do ICMC-USP. Instituto de Ciências Matemáticas e de Computação. 2012. Organizacao
    12. . 28th IEEE International Symposium on Computer-Based Medical Systems (IEEE CBMS 2015). IEEE. 2015. Organizacao
    13. . Escola avançada em big data analysis. Instituto de Ciências Matemáticas e de Computação. 2017. Organizacao
    14. . III Latin-American Workshop on Aspect-Oriented Software Development. Universidade Federal do Ceará. 2009. Organizacao

Lista de colaborações

  • Colaborações endôgenas (7)
    • José Fernando Rodrigues Júnior ⇔ Agma Juci Machado Traina (28.0)
      1. LIBARDI, R. M. O.; Traina, Agma J. M.; RODRIGUES JR., José Fernando. Design and Evaluation Case Study: Evaluating The Kinect Device In The Task of Natural Interaction In A Visualization System. International Journal of Human Computer Interaction (IJHCI). v. 5, p. 1-20, 2014.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      2. RODRIGUES JR., José Fernando; TONG, Hanghang; PAN, Jia-yu; Traina, Agma Juci Machado; TRAINA JR, Caetano; FALOUTSOS, Christos. Large Graph Analysis in the GMine System. IEEE Transactions on Knowledge and Data Engineering (Print). v. 25, p. 106-118, 2013.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      3. da Silva, Welington M.; Rodrigues Jr., Jose F.; Traina, Agma J. M.; da Silva, Sergio F.. H-Metric: Characterizing Image Datasets via Homogenization Based on KNN-Queries. Data Science Journal. v. 10, p. 52-60, 2012.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      4. AVALHAIS, LETRICIA P. S.; da Silva, Sergio F.; RODRIGUES, JOSE F.; Traina, Agma J. M.; Traina, Caetano. Feature space optimization for content-based image retrieval. Applied Computing Review. v. 12, p. 7-19, 2012.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      5. RODRIGUES JR., José Fernando; TRAINA, A. J. M.; OLIVEIRA, Maria Cristina Ferreira de; TRAINA JR, Caetano. The spatial-perceptual design space: a new comprehension for data visualization¿. Information Visualization (Print). v. 6, p. 261-279, 2007.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      6. Villela, Karina; Nass, Claudia; Novais, Renato; Simões, Paulo; Traina, Agma; Rodrigues, Jose; Menendez, Jose Manuel; Kurano, Jorge; Franke, Tobias; Poxrucker, Andreas. Reliable and Smart Decision Support System for Emergency Management Based on Crowdsourcing Information. Em: Studies in Computational Intelligence. 1 ed. : Springer International Publishing. 2018.p. 177-198.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      7. LIMA, DANIEL M.; RODRIGUES JR., José Fernando; Traina, Agma J. M.; PIRES, F. A.; GUTIERREZ, M. A.. Transforming Two Decades of ePR Data to OMOP CDM for Clinical Research. Em: 17th World Congress of Medical and Health Informatics (MEDINFO 2019), v. 264, p. 233-237, 2019.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      8. NESSO, MARCOS R.; CAZZOLATO, MIRELA T.; SCABORA, LUCAS C.; OLIVEIRA, PAULO H.; SPADON, GABRIEL; DE SOUZA, JESSICA A.; OLIVEIRA, WILLIAN D.; CHINO, DANIEL Y. T.; Rodrigues, Jose F.; TRAINA, Agma J. M.; TRAINA, CAETANO. RAFIKI: Retrieval-Based Application for Imaging and Knowledge Investigation. Em: 2018 IEEE 31st International Symposium on ComputerBased Medical Systems (CBMS), v. 1, p. 71-76, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      9. CAZZOLATO, Mirela T.; BEDO, M. V. N.; COSTA, Alceu Ferraz; SOUZA, Jéssica A.; TRAINA JR, Caetano; RODRIGUES JR., José Fernando; Traina, Agma J. M.. Unveiling smoke in social images with the SmokeBlock approach. Em: 31st ACM/SIGAPP Symposium on Applied Computing (SAC 2016), v. 1, p. 49-54, 2016.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      10. OLIVEIRA, PAULO H.; GONZAGA, ANDRE S.; Sousa, Elaine P. M.; FERREIRA, LUCAS D.; RODRIGUES-JR., JOSE F.; Traina, Agma J. M.; FRAIDEINBERZE, ANTONIO C.; CORDEIRO, ROBSON L. F.; Traina Jr., Caetano; GUALDRON, Hugo; LAVERDE, NATAN A.; OLIVEIRA, Willian D.. On the Support of a Similarity-enabled Relational Database Management System in Civilian Crisis Situations. Em: 18th International Conference on Enterprise Information Systems (ICEIS 2016), v. 1, p. 119-126, 2016.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      11. AVALHAIS, LETRICIA P. S.; RODRIGUES JR., José Fernando; Traina, Agma J. M.. Fire Detection on Unconstrained Videos Using Color-Aware Spatial Modeling and Motion Flow. Em: 2016 IEEE 28th International Conference on Tools with Artificial Intelligence (ICTAI), v. 1, p. 913-920, 2016.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      12. T. CAZZOLATO, MIRELA; TRAINA JR., Caetano; F. COSTA, ALCEU; J. M. TRAINA, AGMA; V. N. BEDO, MARCOS; BLANCO, GUSTAVO; F. RODRIGUES JR., JOSE; D. OLIVEIRA, WILLIAN. Techniques for Effective and Efficient Fire Detection from Social Media Images. Em: 17th International Conference on Enterprise Information Systems (ICEIS 2015), v. 28, p. 34-45, 2015.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      13. CHINO, D.Y.T.; AVALHAIS, LETRICIA P. S.; RODRIGUES JR., José Fernando; Traina, Agma J. M.. BoWFire: Detection of Fire in Still Images by Integrating Pixel Color and Texture Analysis. Em: 2015 28th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), v. 1, p. 95-102, 2015.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      14. LIMA, DANIEL MARIO DE; RODRIGUES, JOSE FERNANDO; TRAINA, Agma Juci Machado. Graph-Based Relational Data Visualization. Em: 2013 17th International Conference on Information Visualisation, v. 17, p. 210-219, 2013.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      15. LIMA, D. M.; RODRIGUES JR., José Fernando; Traina, Agma J. M.. Hierarchical graph techniques applied to Database Visualization. Em: 10th International Conference on Information Systems and Technology Management (CONTECSI 2013), v. 10, p. 1121-1139, 2013.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      16. Avalhais, Letricia P. S.; da Silva, Sergio F.; Rodrigues, Jose F.; TRAINA, Agma J. M.. Image retrieval employing genetic dissimilarity weighting and feature space transformation functions. Em: 27th Annual ACM Symposium on Applied Computing (SAC2012), v. 1, p. 1012-1017, 2012.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      17. RODRIGUES JR., José Fernando; ROMANI, Luciana A.; Traina, Agma Juci Machado; TRAINA JR, Caetano. Combining Visual Analytics and Content Based Data Retrieval Technology for Efficient Data Analysis. Em: 14th International Conference Information Visualisation (IV'2010), v. 14, p. 61-67, 2010.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      18. ROMANI, Luciana A.; TRAINA, A. J. M.; SOUSA, Elaine Parros M de; ZULLO Jr., J.; RODRIGUES JUNIOR, José Fernando; TRAINA JR, Caetano; AVILA, A.M.H.. Computational framework to analyze agrometeorological, climate and remote sensing data: challenges and perspectives. Em: XXXVI Seminário Integrado de Software e Hardware (in XXIX Congresso da Sociedade Brasileira de Computação), v. 1, p. 323-337, 2009.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      19. RODRIGUES JUNIOR, José Fernando; BALAN, André Guilherme Ribeiro; TRAINA, A. J. M.; TRAINA JR, Caetano. The Visual Expression Process: Bridging Vision and Data Visualization. Em: 8th International Symposium on Smart Graphics, v. 5166, p. 207-215, 2008.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      20. Rodrigues Jr., J. F.; Carélo, C.C.M.; Traina, A. J. M.; Ciferri, C. D. A.; TRAINA JR, C.. GMine: interactive browsing of large graphs. Em: Workshop on Information Visualization and Analysis in Social Networks (WIVA 2008) associado ao 23º Simpósio Brasileiro de Bases de Dados (SBBD 2008), v. 1, p. 51-59, 2008.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      21. RODRIGUES JUNIOR, José Fernando; TRAINA, A. J. M.; TRAINA JR, Caetano; OLIVEIRA, Maria Cristina Ferreira de. Reviewing Data Visualization: an Analytical Taxonomical Study. Em: 10th International Conference on Information Visualisation (IV06), v. 1, p. 713-720, 2006.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      22. RODRIGUES JUNIOR, José Fernando; TONG, Hanghang; TRAINA, A. J. M.; FALOUTSOS, Christos; LESKOVEC, Jure. GMine: A System for Scalable, Interactive Graph Visualization and Mining. Em: 32nd International Conference on Very Large Data Bases - Demos, v. 2, p. 1195-1198, 2006.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      23. RODRIGUES JR., José Fernando; TRAINA, A. J. M.; TRAINA JR, Caetano; FALOUTSOS, Christos. SuperGraph Visualization. Em: IEEE International Symposium on Multimedia (ISM2006), v. 1, p. 227-234, 2006.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      24. RODRIGUES JUNIOR, José Fernando; TRAINA JR, Caetano; TRAINA, A. J. M.. Enhanced Visual Evaluation of Feature Extractors for Image Mining. Em: The 3rd ACS/IEEE International Conference on Computer Systems and Applications, v. 1, p. 45-52, 2005.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      25. Rodrigues Jr., J. F.; CASTÁNÕN, César Armando Beltran; TRAINA JR, Caetano; TRAINA, Agma Juci Machado. Using Efficient Visual Exploration Techniques to Evaluate Features for Content-based Image Retrieval. Em: XVI Brasilian Symposium on Computer Graphics and Image Processing - SIBGRAPI 2003, v. 1, p. 183-190, 2003.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      26. RODRIGUES JUNIOR, José Fernando; TRAINA, A. J. M.; TRAINA JR, Caetano. Frequency Plot and Relevance Plot to Enhance Visual Data Exploration. Em: XVI Brasilian Symposium on Computer Graphics and Image Processing - SIBGRAPI 2003, v. 1, p. 117-124, 2003.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      27. Rodrigues Jr., J. F.; TRAINA, Agma Juci Machado; TRAINA JÚNIOR, Caetano. Enhancing Data Visualization Techniques. Em: Third IEEE Intl. Workshop on Visual Data Mining - VDM, in conjunction with the International Conference on Data Mining ICDM´03, v. 3, p. 97-112, 2003.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      28. TRAINA, Agma J. M.; Luciana A. S. Romani; Cordeiro, R. L. F.; Elaine P. M. de Sousa; Ribeiro, M. X.; Ana M. H. Avila; Zullo Jr, J.; Rodrigues Jr., J. F.; TRAINA JR., C.. How to Find Relevant Patterns in Climate Data: An Efficient and Effective Framework to Mine Climate Time Series and Remote Sensing Images. Em: Society for Industrial and Applied Mathematics Anual Meeting, v. 1, p. 124-125, 2010.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • José Fernando Rodrigues Júnior ⇔ Caetano Traina Junior (24.0)
      1. SPADON, GABRIEL; SCABORA, LUCAS C.; OLIVEIRA, PAULO H.; ARAUJO, MARCUS V.S.; MACHADO, BRUNO B.; SOUSA, ELAINE P.M.; TRAINA-JR, CAETANO; RODRIGUES-JR, JOSE F.. Behavioral Characterization of Criminality Spread in Cities. PROCEDIA COMPUTER SCIENCE. v. 108, p. 2537-2541, 2017.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      2. RODRIGUES JR., José Fernando; TONG, Hanghang; PAN, Jia-yu; Traina, Agma Juci Machado; TRAINA JR, Caetano; FALOUTSOS, Christos. Large Graph Analysis in the GMine System. IEEE Transactions on Knowledge and Data Engineering (Print). v. 25, p. 106-118, 2013.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      3. RODRIGUES JR., José Fernando; TRAINA, A. J. M.; OLIVEIRA, Maria Cristina Ferreira de; TRAINA JR, Caetano. The spatial-perceptual design space: a new comprehension for data visualization¿. Information Visualization (Print). v. 6, p. 261-279, 2007.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      4. Bedo, Marcos Vinicius Naves; de Oliveira, William Dener; Cazzolato, Mirela Teixeira; Ferraz Costa, Alceu; BLANCO, GUSTAVO; Rodrigues, Jose F.; TRAINA, Agma J. M.; TRAINA, CAETANO. Fire Detection from Social Media Images by Means of Instance-Based Learning. Em: Lecture Notes in Business Information Processing. 1 ed. : Springer International Publishing. 2015.p. 23-44.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      5. SCABORA, LUCAS C.; SPADON, GABRIEL; OLIVEIRA, PAULO H.; RODRIGUES-JR, JOSE F.; TRAINA-JR, CAETANO. Enhancing recursive graph querying on RDBMS with data clustering approaches. Em: SAC '20: The 35th ACM/SIGAPP Symposium on Applied Computing, v. 1, p. 404-411, 2020.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      6. NESSO, MARCOS R.; CAZZOLATO, MIRELA T.; SCABORA, LUCAS C.; OLIVEIRA, PAULO H.; SPADON, GABRIEL; DE SOUZA, JESSICA A.; OLIVEIRA, WILLIAN D.; CHINO, DANIEL Y. T.; Rodrigues, Jose F.; TRAINA, Agma J. M.; TRAINA, CAETANO. RAFIKI: Retrieval-Based Application for Imaging and Knowledge Investigation. Em: 2018 IEEE 31st International Symposium on ComputerBased Medical Systems (CBMS), v. 1, p. 71-76, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      7. DE LIMA, DANIEL M.; CORDEIRO, ROBSON L. F.; Zabot, Guilherme F.; KASTER, DANIEL DOS S.; Vasconcelos, Guilherme Q.; RODRIGUES JR., JOSÉ F.; Traina Jr., Caetano. TendeR-Sims - Similarity Retrieval System for Public Tenders. Em: 20th International Conference on Enterprise Information Systems, p. 143-150, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      8. Souza, G. S.; Scabora, L.C.; Nesso Jr, M. R.; Traina Jr., C..; Rodrigues-Jr, J. F.. Caracterização topológica de redes viárias por meio da análise de vetores de características e técnicas agrupamento. Em: Simpósio Brasileiro de Banco de Dados, p. 157-168, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      9. CAZZOLATO, Mirela T.; BEDO, M. V. N.; COSTA, Alceu Ferraz; SOUZA, Jéssica A.; TRAINA JR, Caetano; RODRIGUES JR., José Fernando; Traina, Agma J. M.. Unveiling smoke in social images with the SmokeBlock approach. Em: 31st ACM/SIGAPP Symposium on Applied Computing (SAC 2016), v. 1, p. 49-54, 2016.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      10. OLIVEIRA, PAULO H.; GONZAGA, ANDRE S.; Sousa, Elaine P. M.; FERREIRA, LUCAS D.; RODRIGUES-JR., JOSE F.; Traina, Agma J. M.; FRAIDEINBERZE, ANTONIO C.; CORDEIRO, ROBSON L. F.; Traina Jr., Caetano; GUALDRON, Hugo; LAVERDE, NATAN A.; OLIVEIRA, Willian D.. On the Support of a Similarity-enabled Relational Database Management System in Civilian Crisis Situations. Em: 18th International Conference on Enterprise Information Systems (ICEIS 2016), v. 1, p. 119-126, 2016.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      11. T. CAZZOLATO, MIRELA; TRAINA JR., Caetano; F. COSTA, ALCEU; J. M. TRAINA, AGMA; V. N. BEDO, MARCOS; BLANCO, GUSTAVO; F. RODRIGUES JR., JOSE; D. OLIVEIRA, WILLIAN. Techniques for Effective and Efficient Fire Detection from Social Media Images. Em: 17th International Conference on Enterprise Information Systems (ICEIS 2015), v. 28, p. 34-45, 2015.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      12. QUILLE, ROSA V. E.; TRAINA, CAETANO; Rodrigues, Jose F.. Spectral analysis and text processing over the computer science literature. Em: the 29th Annual ACM Symposium, p. 653-657, 2014.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      13. RODRIGUES JR., José Fernando; ROMANI, Luciana A.; Traina, Agma Juci Machado; TRAINA JR, Caetano. Combining Visual Analytics and Content Based Data Retrieval Technology for Efficient Data Analysis. Em: 14th International Conference Information Visualisation (IV'2010), v. 14, p. 61-67, 2010.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      14. ROMANI, Luciana A.; TRAINA, A. J. M.; SOUSA, Elaine Parros M de; ZULLO Jr., J.; RODRIGUES JUNIOR, José Fernando; TRAINA JR, Caetano; AVILA, A.M.H.. Computational framework to analyze agrometeorological, climate and remote sensing data: challenges and perspectives. Em: XXXVI Seminário Integrado de Software e Hardware (in XXIX Congresso da Sociedade Brasileira de Computação), v. 1, p. 323-337, 2009.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      15. RODRIGUES JUNIOR, José Fernando; BALAN, André Guilherme Ribeiro; TRAINA, A. J. M.; TRAINA JR, Caetano. The Visual Expression Process: Bridging Vision and Data Visualization. Em: 8th International Symposium on Smart Graphics, v. 5166, p. 207-215, 2008.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      16. Rodrigues Jr., J. F.; Carélo, C.C.M.; Traina, A. J. M.; Ciferri, C. D. A.; TRAINA JR, C.. GMine: interactive browsing of large graphs. Em: Workshop on Information Visualization and Analysis in Social Networks (WIVA 2008) associado ao 23º Simpósio Brasileiro de Bases de Dados (SBBD 2008), v. 1, p. 51-59, 2008.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      17. RODRIGUES JUNIOR, José Fernando; TRAINA, A. J. M.; TRAINA JR, Caetano; OLIVEIRA, Maria Cristina Ferreira de. Reviewing Data Visualization: an Analytical Taxonomical Study. Em: 10th International Conference on Information Visualisation (IV06), v. 1, p. 713-720, 2006.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      18. RODRIGUES JR., José Fernando; TRAINA, A. J. M.; TRAINA JR, Caetano; FALOUTSOS, Christos. SuperGraph Visualization. Em: IEEE International Symposium on Multimedia (ISM2006), v. 1, p. 227-234, 2006.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      19. RODRIGUES JUNIOR, José Fernando; TRAINA JR, Caetano; TRAINA, A. J. M.. Enhanced Visual Evaluation of Feature Extractors for Image Mining. Em: The 3rd ACS/IEEE International Conference on Computer Systems and Applications, v. 1, p. 45-52, 2005.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      20. Rodrigues Jr., J. F.; TRAINA, Agma Juci Machado; TRAINA JR., Caetano. Visualization Tree, Multiple Linked Analytical Decisions. Em: 5th International Symposium on Smart Graphics, SG 2005, v. 3638, p. 65-76, 2005.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      21. Rodrigues Jr., J. F.; CASTÁNÕN, César Armando Beltran; TRAINA JR, Caetano; TRAINA, Agma Juci Machado. Using Efficient Visual Exploration Techniques to Evaluate Features for Content-based Image Retrieval. Em: XVI Brasilian Symposium on Computer Graphics and Image Processing - SIBGRAPI 2003, v. 1, p. 183-190, 2003.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      22. RODRIGUES JUNIOR, José Fernando; TRAINA, A. J. M.; TRAINA JR, Caetano. Frequency Plot and Relevance Plot to Enhance Visual Data Exploration. Em: XVI Brasilian Symposium on Computer Graphics and Image Processing - SIBGRAPI 2003, v. 1, p. 117-124, 2003.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      23. Rodrigues Jr., J. F.; TRAINA, Agma Juci Machado; TRAINA JÚNIOR, Caetano. Enhancing Data Visualization Techniques. Em: Third IEEE Intl. Workshop on Visual Data Mining - VDM, in conjunction with the International Conference on Data Mining ICDM´03, v. 3, p. 97-112, 2003.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      24. TRAINA, Agma J. M.; Luciana A. S. Romani; Cordeiro, R. L. F.; Elaine P. M. de Sousa; Ribeiro, M. X.; Ana M. H. Avila; Zullo Jr, J.; Rodrigues Jr., J. F.; TRAINA JR., C.. How to Find Relevant Patterns in Climate Data: An Efficient and Effective Framework to Mine Climate Time Series and Remote Sensing Images. Em: Society for Industrial and Applied Mathematics Anual Meeting, v. 1, p. 124-125, 2010.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • José Fernando Rodrigues Júnior ⇔ Maria Cristina Ferreira de Oliveira (5.0)
      1. RODRIGUES, JOSE F.; FLOREA, LARISA; de Oliveira, Maria C. F.; DIAMOND, DERMOT; Oliveira, Osvaldo N.. Big data and machine learning for materials science. Discover Materials. v. 1, p. 1-27, 2021.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      2. RODRIGUES, JOSE F; PAULOVICH, FERNANDO V; DE OLIVEIRA, MARIA CF; DE OLIVEIRA, OSVALDO N. On the convergence of nanotechnology and Big Data analysis for computer-aided diagnosis. Nanomedicine. v. 11, p. 959-982, 2016.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      3. RODRIGUES JR., José Fernando; TRAINA, A. J. M.; OLIVEIRA, Maria Cristina Ferreira de; TRAINA JR, Caetano. The spatial-perceptual design space: a new comprehension for data visualization¿. Information Visualization (Print). v. 6, p. 261-279, 2007.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      4. RODRIGUES-JR., JOSE F.; Oliveira, M. C. F.; Oliveira Jr, O. N.. O futuro da ciência e tecnologia com as máquinas inteligentes. Em: Inteligência Artificial: Avanços e Tendências. 1 ed. : Instituto de Estudos Avançados. 2021.v. 1, p. 151-180.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      5. RODRIGUES JUNIOR, José Fernando; TRAINA, A. J. M.; TRAINA JR, Caetano; OLIVEIRA, Maria Cristina Ferreira de. Reviewing Data Visualization: an Analytical Taxonomical Study. Em: 10th International Conference on Information Visualisation (IV06), v. 1, p. 713-720, 2006.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • José Fernando Rodrigues Júnior ⇔ Robson Leonardo Ferreira Cordeiro (5.0)
      1. GUALDRON, Hugo; Cordeiro, Robson; Rodrigues, Jose; Chau, Duen Horng; Kahng, Minsuk; KANG, U.. M-Flash: Fast Billion-Scale Graph Computation Using a Bimodal Block Processing Model. Em: Lecture Notes in Computer Science. 1 ed. : Springer International Publishing. 2016.p. 623-640.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      2. DE LIMA, DANIEL M.; CORDEIRO, ROBSON L. F.; Zabot, Guilherme F.; KASTER, DANIEL DOS S.; Vasconcelos, Guilherme Q.; RODRIGUES JR., JOSÉ F.; Traina Jr., Caetano. TendeR-Sims - Similarity Retrieval System for Public Tenders. Em: 20th International Conference on Enterprise Information Systems, p. 143-150, 2018.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      3. OLIVEIRA, PAULO H.; GONZAGA, ANDRE S.; Sousa, Elaine P. M.; FERREIRA, LUCAS D.; RODRIGUES-JR., JOSE F.; Traina, Agma J. M.; FRAIDEINBERZE, ANTONIO C.; CORDEIRO, ROBSON L. F.; Traina Jr., Caetano; GUALDRON, Hugo; LAVERDE, NATAN A.; OLIVEIRA, Willian D.. On the Support of a Similarity-enabled Relational Database Management System in Civilian Crisis Situations. Em: 18th International Conference on Enterprise Information Systems (ICEIS 2016), v. 1, p. 119-126, 2016.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      4. FRAIDEINBERZE, ANTONIO C.; RODRIGUES, JOSE F.; CORDEIRO, ROBSON L. F.. Effective and Unsupervised Fractal-Based Feature Selection for Very Large Datasets: Removing Linear and Non-linear Attribute Correlations. Em: 2016 IEEE 16th International Conference on Data Mining Workshops (ICDMW), p. 615-622, 2016.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      5. GUALDRON, Hugo; CORDEIRO, ROBSON L. F.; RODRIGUES, JOSE F.. StructMatrix: Large-Scale Visualization of Graphs by Means of Structure Detection and Dense Matrices. Em: 2015 IEEE International Conference on Data Mining Workshop (ICDMW), p. 493-500, 2015.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • José Fernando Rodrigues Júnior ⇔ Elaine Parros Machado de Sousa (3.0)
      1. SPADON, GABRIEL; SCABORA, LUCAS C.; OLIVEIRA, PAULO H.; ARAUJO, MARCUS V.S.; MACHADO, BRUNO B.; SOUSA, ELAINE P.M.; TRAINA-JR, CAETANO; RODRIGUES-JR, JOSE F.. Behavioral Characterization of Criminality Spread in Cities. PROCEDIA COMPUTER SCIENCE. v. 108, p. 2537-2541, 2017.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      2. OLIVEIRA, PAULO H.; GONZAGA, ANDRE S.; Sousa, Elaine P. M.; FERREIRA, LUCAS D.; RODRIGUES-JR., JOSE F.; Traina, Agma J. M.; FRAIDEINBERZE, ANTONIO C.; CORDEIRO, ROBSON L. F.; Traina Jr., Caetano; GUALDRON, Hugo; LAVERDE, NATAN A.; OLIVEIRA, Willian D.. On the Support of a Similarity-enabled Relational Database Management System in Civilian Crisis Situations. Em: 18th International Conference on Enterprise Information Systems (ICEIS 2016), v. 1, p. 119-126, 2016.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
      3. ROMANI, Luciana A.; TRAINA, A. J. M.; SOUSA, Elaine Parros M de; ZULLO Jr., J.; RODRIGUES JUNIOR, José Fernando; TRAINA JR, Caetano; AVILA, A.M.H.. Computational framework to analyze agrometeorological, climate and remote sensing data: challenges and perspectives. Em: XXXVI Seminário Integrado de Software e Hardware (in XXIX Congresso da Sociedade Brasileira de Computação), v. 1, p. 323-337, 2009.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • José Fernando Rodrigues Júnior ⇔ Dilvan de Abreu Moreira (1.0)
      1. GAZZIRO, M.; BRAGA, C.F.R.; MOREIRA, D.A.; CARVALHO, A.C.P.L.F.; Rodrigues, J.F.; NAVARRO, J.S.; ARDILA, J.C.M.; MIONI, D.P.; PESSATTI, M.; FABBRO, P.; FREEWIN, C.; SADDOW, S.E.. Transmission of wireless neural signals through a 0.18µm CMOS low-power amplifier. Em: 2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), v. 1, p. 5094-5097, 2015.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

    • José Fernando Rodrigues Júnior ⇔ Fernando Vieira Paulovich (1.0)
      1. RODRIGUES, JOSE F; PAULOVICH, FERNANDO V; DE OLIVEIRA, MARIA CF; DE OLIVEIRA, OSVALDO N. On the convergence of nanotechnology and Big Data analysis for computer-aided diagnosis. Nanomedicine. v. 11, p. 959-982, 2016.
        [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]




(*) Relatório criado com produções desde 1970 até 2023
Data de processamento: 10/05/2023 08:54:02