Ambientes urbanos representam uma das áreas mais desafiadoras do sensoriamento remoto devido à grande diversidade encontrada nos materiais presentes na sua superfície. O uso de imagens com alta resolução espacial e alta resolução espectral surge como uma alternativa para aplicações urbanas, pois a combinação destas duas características permite uma melhor detecção e discriminação de alvos. O presente trabalho tem um duplo objetivo: i) avaliar dois conjuntos de dados na classificação fina de alvos urbanos para dois níveis de legenda (com 11 e 38 classes de cobertura do solo): um deles composto exclusivamente por uma imagem orbital multiespectral (WV-2) e o outro conjunto composto exclusivamente por uma imagem aerotransportada hiperespectral (SpecTIR), ii) bem como testar o desempenho de dois métodos diferentes de classificação de imagens, Árvore de Decisão C4.5 e Floresta Randômica (Random Forest), para ambos os níveis de legenda. Oito experimentos de classificação foram realizados para atender a tais objetivos de investigar a eficácia dos sensores e dos métodos em dois níveis de detalhamento. Foram obtidas classificações de elevada acurácia. Demonstrou-se para todos os níveis de detalhamento e métodos que as classificações obtidas com dados do sensor SpecTIR apresentaram resultados significantemente superiores aos das classificações com dados do sensor WV-2.

Urban environments represent one of the most challenging areas for remote sensing analyses due to the great diversity of land cover materials found in their surface. The fusion of high spatial and high spectral resolution images arise as an alternative for urban applications, for the combination of these two characteristics allows better detection and discrimination of urban targets. The present work has a twofold objective: i) evaluate two datasets for the fine classification of urban targets at two levels of legend (with 11 and 38 land cover classes): one of them exclusively consisting of an orbital multispectral image (WV-2) and another one exclusively comprising an airborne hyperspectral image (SpecTIR), ii) as well as assess the performance of two different image classification methods, C4.5 Decision Tree and Random Forest, for both levels of legend. Eight classification experiments were executed to meet such objectives of investigating the efficacy of sensors and classification methods for the concerned two levels of detailing. The obtained classifications attained high accuracy. For all adopted levels of legend and methods, it was demonstrated that the classifications using SpecTIR data presented results significantly superior to those obtained with the WV-2 data

Resumen Los escenarios sociales digitales dispuestos en la actualidad son empleados cada vez más como plataformas para la deliberación y exposición de opiniones. Este artículo busca identificar algunos de los rasgos generales de participación ciudadana llevado a cabo en Twitter durante las elecciones realizadas en España el 24 de mayo de 2015, así como estimar el peso o la importancia que tuvieron los mensajes con carga ideológica definida y las variables asociadas a la publicación de este tipo de mensajes. Ello, a partir del social media mining de 24 900 tuiteos, recolectados a partir de los hashtags #24M y #Elecciones2015. El estudio nos permite observar, entre otras cosas, el rol asumido por los ciudadanos, quienes centraron su participación en esta elección en la divulgación del acontecer de esta jornada más que en el establecimiento de las diferentes posturas ideológicas que denotasen sus preferencias partidistas. A pesar de ello, se pudo ver cómo los mensajes con carga ideológica claramente definida estuvieron más impulsados por usuarios con orientación ideológica progresista o de tendencias de izquierda, además de la relación existente entre la publicación de estos mensajes y la orientación partidista de quienes divulgaron este tipo de mensajes.

Abstract Current digital social scenarios are being increasingly used as platforms for discussing and sharing one's views. In this vein, this paper aims to identify some of the general features of citizen participation on Twitter during the Spanish elections held on 24 May 2015, as well as to estimate the weight or importance of ideologically charged messages and the variables associated with the publication of this kind of messages. This is based on the social media mining of 24900 tweets gathered from the #24M and #Elecciones2015 hashtags. The study allows us to observe, among other things, the role taken on by the citizens, whose participation in this election focused on disclosing the events of this day, rather than on establishing the different ideological positions that indicated their partisan preferences. In spite of this, we were able to see how messages with a clearly defined ideological charge were particularly encouraged by users with a progressive ideological orientation or leftist tendencies, as well as the existing relationship between the publication of these messages and the party orientation of those who disclosed this type of messages.

Resumo Os cenários sociais digitais dispostos atualmente são cada vez mais usados como plataformas para a deliberação e exposição de opiniões. É no marco do que aqui está exposto que este artigo busca identificar alguns dos rasgos gerais de participação cidadã em Twitter durante as eleições realizadas na Espanha no dia 24 de maio de 2015, assim como também estimar o peso ou importância que as mensagens tiveram com carga ideológica definida e as variáveis associadas à publicação deste tipo de mensagens. Isso, a partir do social media mining de 24 900 tweets, coletados a partir dos hashtags #24M e #Elecciones2015. O estudo nos permite observar, entre outras coisas, o papel assumido pelos cidadãos, que centralizaram a sua participação nesta eleição na divulgação do acontecer desta jornada mais do que no estabelecimento das diferentes posturas ideológicas que denotassem suas preferências partidárias. Apesar disso, pôde-se ver como as mensagens com carga ideológica claramente definida estiveram mais impulsionadas por usuários com inclinação ideológica progressista ou de tendências esquerdistas, além da relação existente entre a publicação destes mensagens e a orientação partidária daqueles de divulgaram este tipo de mensagens.

The aim of data mining is to find useful knowledge inout of databases. In order to extract such knowledge, several methods can be used, among them machine learning (ML) algorithms. In this work we focus on ML algorithms that express the extracted knowledge in a symbolic form, such as rules. This representation may allow us to ''explain'' the data. Rule learning algorithms are mainly designed to induce classification rules that can predict new cases with high accuracy. However, these sorts of rules generally express common sense knowledge, resulting in many interesting and useful rules not being discovered. Furthermore, the domain independent biases, especially those related to the language used to express the induced knowledge, could induce rules that are difficult to understand. Exceptions might be used in order to overcome these drawbacks. Exceptions are defined as rules that contradict common believebeliefs. This kind of rules can play an important role in the process of understanding the underlying data as well as in making critical decisions. By contradicting the user's common beliefves, exceptions are bound to be interesting. This work proposes a method to find exceptions. In order to illustrate the potential of our approach, we apply the method in a real world data set to discover rules and exceptions in the HIV virus protein cleavage process. A good understanding of the process that generates this data plays an important role oin the research of cleavage inhibitors. We consider believe that the proposed approach may help the domain expert to further understand this process.