Search

Uno de los principales problemas del sector espacial actualmente es la gran población de objetos y basura espacial que se encuentra orbitando la Tierra, y que se prevee que continue creciendo en el futuro. A causa de ello, la detección de maniobras se ha convertido en un tema de actualidad en el sector; ya que permite mejorar la conciencia situacional reduciendo el número de objetos no correlacionados. Este trabajo se centra en un algoritmo de detección de maniobras en órbita baja usando datos de radar. La idea principal del mismo es la comparación, mediante una distancia estadística, de los datos esperados según los parámetros iniciales de la órbita y los datos obtenidos por el radar en la siguiente pasada. El objetivo del trabajo es caracterizar la dependencia de los resultados en función de los diferentes parámetros de los que depende el algoritmo, destacando entre ellos, la distancia estadística empleada. Nowadays, one of the main problems in the space sector is the amount of space objects and debris in orbit about Earth, which will increase continually in the future. This is the reason why manoeuvres detection has become a topic of broad and current interest, because it can enable to improve the space situational awareness by reducing the number of uncorrelated targets detected. This project focuses on an algorithm for manoeuvres detection for satellites in Low Earth Orbit from radar data. The main idea of this algorithm is the comparison, using a statistical distance, between the predicted orbit from the initial data and those obtain from the radar in the next track. The aim of the project is to characterize the impact of different parameters of the algorithm on the results, highlighting among them, the statistical distance used. Universidad de Sevilla. Máster en Ingeniería Aeronáutica

Neste artigo propomo-nos a definir e desenvolver uma estratégia automática para procurar especificidades lexicais dentro de conjuntos de textos utilizando unidades lexicais simples e expressões com várias palavras, ou termos multipalavra (MWE, a sua sigla em inglês). Propomos uma metodologia para o cálculo da divergência de distribuições de lemas e de MWE que permitirá encontrar, automaticamente, diferenças e semelhanças entre textos não anotados. Esta metodologia poderá ser utilizada para posteriormente identificar grupos de textos sobre os quais se procederá a análises quantitativas e qualitativas semiautomáticas e/ou com intervenção humana. Num primeiro teste, utilizamos dois textos de especialidade (da área da pediatria) e um texto literário, presumindo que os textos de especialidade deveriam apresentar maiores divergências relativamente ao texto literário do que entre eles próprios. Como os testes feitos mostraram a tendência esperada, decidimos aplicar a mesma metodologia a um segundo grupo de textos (três conjuntos de entrevistas a visitantes da cidade de Santiago de Compostela)., Este trabalho ́e apoiado pelo projeto Narrativas, usos e consumos de visitantes como aliados ou amena ̧cas para o bem-estar da comunidade lo- cal: o caso de Santiago de Compostela. Ref: FFI2017-88196-R, parcialmente subsidiado pelo Ministerio de Industria, Econom ́ıa y Competiti- vidad espanhol no quadro do Programa Estatal de I+D+i Orientada a los Retos de la Sociedad (2018-2021).

Neste artigo propomo-nos a definir e desenvolver uma estratégia automática para procurar especificidades lexicais dentro de conjuntos de textos utilizando unidades lexicais simples e expressões com várias palavras, ou termos multipalavra (MWE, a sua sigla em inglês). Propomos uma metodologia para o cálculo da divergência de distribuições de lemas e de MWE que permitirá encontrar, automaticamente, diferenças e semelhanças entre textos não anotados. Esta metodologia poderá ser utilizada para posteriormente identificar grupos de textos sobre os quais se procederá a análises quantitativas e qualitativas semiautomáticas e/ou com intervenção humana. Num primeiro teste, utilizamos dois textos de especialidade (da área da pediatria) e um texto literário, presumindo que os textos de especialidade deveriam apresentar maiores divergências relativamente ao texto literário do que entre eles próprios. Como os testes feitos mostraram a tendência esperada, decidimos aplicar a mesma metodologia a um segundo grupo de textos (três conjuntos de entrevistas a visitantes da cidade de Santiago de Compostela)., Este trabalho é apoiado pelo projeto Narrativas, usos e consumos de visitantes como aliados ou amena¸cas para o bem-estar da comunidade local: o caso de Santiago de Compostela. Ref: FFI2017-88196-R, parcialmente subsidiado pelo Ministerio de Industria, Econom´ıa y Competitividad espanhol no quadro do Programa Estatal de I+D+i Orientada a los Retos de la Sociedad (2018-2021).

En la actualidad, la cantidad de recursos que se destinan a la codificación de informes médicos es enorme. Con la reciente implantación del estándar CIE-10 en el sistema sanitario español se acrecientan las dificultades, ya que se incrementa el número de posibles códigos CIE por cada informe, disponiendo de una escasa cantidad de datos generados y codificados. En este artículo se describen los retos que plantea esta tarea y se propone una primera aproximación de combinación de técnicas para implantar un sistema capaz de, dado un informe, recomendar automáticamente códigos CIE-10 a los codificadores. Nowadays, the amount of resources dedicated to encode medical reports is huge. In spite of this, an automatic solution for annotation does not appear to be consolidated. With the recent implantation of the CIE-10 standard, encoding becomes increasingly complex, since the number of possible CIE codes for each report is increased and at the same time a minimal quantity of generated and encoded data is avaliable. In this paper, it is described the challenges posed by this task and proposed a first combination of techniques for implementing a system capable of automatically assisting coding specialists by recommending CIE-10 codes regarding a medical report. Este trabajo ha sido financiado por el Ministerio de Ciencia e Innovación a través del proyecto PROSA-MED: TIN2016-77820-C3.

We present a morphometry method which uses brain models generated using Nonnegative Matrix Factorization (NMF) characterized by signatures calculated from perceptual features such as intensities, edges and orientations, of some regions obtained by comparing the models. Two different measures are used to calculate volume-models distances in the regions of interest. The discerning power of these distances is tested by using them as features for a Support Vector Machine classifier. This work shows the usefulness of both measures as metrics in medical image applications when they are used in binary classification tasks. Our methodology was tested with two experimental groups extracted from a public brain MR dataset (OASIS), the classification between healthy subjects and patients with mild AD reveals an equal error rate (EER) measure which is better than previous approaches tested on the same dataset (0.1 in the former and 0.2 in the latter). When detecting very mild AD, our results (near to 75% of sensitivity and specificity) are comparable to the results with those approaches. Presentamos un m´etodo de morfometr´ı que usa modelos de cerebro que se generan usando factorizaci´on de matrices no-negativas (NMF por su nombre en ingl´es) y se caracterizan por firmas calculadas de rasgos perceptules como las intensidades, bordes y orientaciones de algunas regiones del cerebro obtenidas de la comparaci´on entre modelos. Dos medidas, la divergencia de Kullback-Leibler y la “Earth Mover’s Distance”, son usadas para calcular la distancia entre vol´umenes y modelos en las regiones de inter´es. Probamos el poder discriminante de estas distancias us´andolas para construir los vectores de caracter´ısticas para una m´aquina de soporte vectorial. Este trabajo muestra la utilidad de ambas medidas en tareas de clasificaci´on binaria. Nuestra metodolog´ıa fue probada con dos grupos experimentales extra´ıdos de la base de datos OASIS, la clasificaci´on entre sujetos sanos y pacientes con Alzheimer leve revela un EER que mejora los resultados obtenidos por trabajos publicados previamente con los mismos grupos experimentales. Cuando se trata de detectar Alzheimer muy leve, los resultados (cercanos a 75% de sensibilidad y especificidad) son comparables con los resultados obtenidos en dichas publicaciones. Maestría

[ANGLÈS] At the present time, user activities on Internet are permanently monitored, and the information obtained from this process is pretty useful for big advertising companies and especially for governments. The user information that external agents collect could be: search queries, clicks, text from visited web sites and even the time that users spend on browsing some sites. These data are processed in order to build user profiles that are later used to customize services. Additionally, this large amount of data susceptible of being collected (by personalized information systems) represents a serious risk for the users’ privacy on Internet. Perhaps, even more critical is the fact that many users are not aware of this risk, since it is not as evident as it is in the physical world. The risk gets worse when a few companies are capable of collecting much of the user data because their services are so popular to the point where they become vital for users interaction with the Internet, as is the case with search engines. Even when users do not reveal strictly personal information such as addresses, locations or names, current technology allows to infer much of this information from each user interaction with Internet. We present in this work a first effort towards the development of an extension for the Firefox web browser that estimates the privacy risk of the privacy of a user who, due to its navigation habits, is exposed to profiling mechanisms on Internet. The risk level is shown in a comprehensible and accessible fashion in the browser graphical interface and is calculated based on different adversary models. The privacy measuring mechanism that we integrate in the browser uses metrics that were appropriately justified and that rely on information theoretic concepts. For ease of use, this tool, that we called PrivMeter, provides a privacy informative bar that is directly integrated in the browser’s main graphical interface, and therefore it is permanently visible while the web browser is used. Furthermore, by means of windows PrivMeter displays more detailed information about the privacy levels of the user, both individually considered and also comparing it with other population privacy data. [CASTELLÀ] Actualmente, la monitorización de los usuarios en Internet es permanente, y la información obtenida en este proceso es de enorme interés para grandes compañías de publicidad y especialmente para gobiernos. Entre la información de usuario que agentes externos recopilan está fundamentalmente: las consultas de búsqueda, los clics, la información de páginas visitadas y hasta el tiempo de visita de sitios web. Estos datos son procesados con el fin de obtener perfiles de usuario en base a los cuales ahora una gran cantidad de sistemas web personalizan los servicios que ofrecen. Además, la gran cantidad de datos susceptibles de recopilarse por los sistemas de información personalizados representa un grave riesgo para la privacidad del usuario en Internet. Quizá aún más crítico es que muchos usuarios no son conscientes de este riesgo, ya que éste no es tan manifiesto como en el mundo físico. Este riesgo se agrava cuando pocas empresas pueden concentrar gran parte de los datos de usuario ya que sus servicios son muy populares y llegan a ser imprescindibles para la interacción con Internet, como es el caso de los motores de búsqueda. Aunque los usuarios no revelaran información estrictamente personal, como direcciones, ubicaciones o nombres, la tecnología actual permite inferir gran parte de esa información a partir de cada interacción del usuario con Internet. En este trabajo presentamos una aproximación para el desarrollo de una extensión del navegador Firefox que estima el riesgo de privacidad del perfil de un usuario, quien, por sus hábitos de navegación, está expuesto a mecanismos de profiling en Internet. El nivel de riesgo se muestra, de manera comprensible y accesible en la interfaz gráfica del navegador y se calcula tomando en cuenta diferentes modelos de adversario. El mecanismo de medición de privacidad que integramos en el navegador utiliza métricas adecuadamente justificadas y basadas en conceptos de teoría de la información. Para facilidad de uso, esta herramienta dispone de una barra informativa de privacidad directamente integrada en el navegador, y por lo tanto es permanentemente visible mientras el navegador es utilizado. Adicionalmente mediante ventanas se despliega información más detallada respecto de los niveles de privacidad del usuario, tanto individualmente como en comparación con otros modelos de perfiles de población. [CATALÀ] Actualment, la monitorització dels usuaris a Internet és permanent, i la informació obtinguda en aquest procés és d'enorme interès per a grans companyies de publicitat i especialment per governs. Entre la informació d'usuari que agents externs recopilen està fonamentalment: les consultes de cerca, els clics, la informació de pàgines visitades i fins el temps de visita de llocs web. Aquestes dades són processades amb la finalitat d'obtenir perfils d'usuari en base als quals ara una gran quantitat de sistemes web personalitzen els serveis que ofereixen. A més, la gran quantitat de dades susceptibles de recopilar pels sistemes d'informació personalitzats representa un greu risc per a la privacitat de l'usuari a Internet. Potser encara més crític és que molts usuaris no són conscients d'aquest risc, ja que aquest no és tan manifest com en el món físic. Aquest risc s'agreuja quan poques empreses poden concentrar gran part de les dades d'usuari ja que els seus serveis són molt populars i arriben a ser imprescindibles per a la interacció amb Internet, com és el cas dels motors de cerca. Tot i que els usuaris no revelessin informació estrictament personal, com adreces, ubicacions o noms, la tecnologia actual permet inferir gran part d'aquesta informació a partir de cada interacció de l'usuari amb Internet. En aquest treball presentem una aproximació per al desenvolupament d'una extensió del navegador Firefox que estima el risc de privacitat del perfil d'una persona, que, pels seus hàbits de navegació, està exposat a mecanismes de profiling a Internet. El nivell de risc es mostra, de manera entenedora i accessible a la interfície gràfica del navegador i es calcula tenint en compte diferents models d'adversari. El mecanisme de mesurament de privacitat que integrem al navegador utilitza mètriques adequadament justificades i basades en conceptes de teoria de la informació. Per facilitat d'ús, aquesta eina disposa d'una barra informativa de privacitat directament integrada en el navegador, i per tant és permanentment visible mentre el navegador és utilitzat. Addicionalment mitjançant finestres es desplega informació més detallada respecte dels nivells de privacitat de l'usuari, tant individualment com en comparació amb altres models de perfils de població.

Actualmente, la monitorización de los usuarios en Internet es permanente, y la información obtenida en este proceso es de enorme interés para grandes compañías de publicidad e incluso gobiernos. Además, la gran cantidad de datos susceptibles de recopilarse por los sistemas de información personalizados representa un grave riesgo para la privacidad del usuario en Internet. Quizá aún más crítico es que muchos usuarios no son conscientes de este riesgo, ya que éste no es tan manifiesto como en el mundo físico. En este artículo presentamos un add-on de navegador que estima el riesgo de privacidad del perfil de un usuario, quien por sus hábitos de navegación, está expuesto a mecanismos de profiling en Internet. El nivel de riesgo se muestra, de manera comprensible y accesible en la interfaz gráfica del navegador y se calcula tomando en cuenta diferentes modelos de adversario.

Projecte realitzat en el marc d’un programa de mobilitat amb la University of Piraeus In recent times, a growing number of information retrieval applications are disposable, aiming to trace users’ online behavior and activities. One of the most popular social networks, which can be considered as a valuable source of information to this kind of applications, is Twitter. Aggregated data that derive from Twitter can show great power in delivering information related to users’ interests and preferences. The process of correlating information can result in the construction of comprehensive user profiles that may disclose detailed personal information and raise challenges to users’ privacy as well. Extracted behavioral patterns of users can be substantial to the development of personalization services, however, inevitably at the expense of users’ privacy. Although there are a number of privacy-enhancing technologies, which strive to mitigate many of these concerns, significant gaps remain regarding the privacy protection of users. In addition, it is essential to provide a comprehensive view on metrics which consist in quantifying privacy. Most of the efforts devoted to devise privacy metrics are quite limited, as they apply to concrete systems. The lack of suitable metrics is deterrent to the proper privacy evaluation. Therefore, even though proposed approaches have made meaningful contributions to the challenging privacy landscape, there still exists a certain ambiguity about their effectiveness and adjustment to different contexts. In this work, we present an effort towards the construction of user profiles, through the development process of an information retrieval application. We also tackle the privacy issues related to user profiling, as personal information contained in user profiles is disclosed. The last part of this thesis approaches the theme of quantifying user privacy by applying information-theoretic notions as measures of the privacy of user profiles.