The work deals with an introduction to classification algorithms. It then divides classifiers into unary, binary and multi-class and describes the different types of classifiers. The work compares individual classifiers and their areas of use. For unary classifiers, practical examples and a list of used architectures are given in the work. The work contains a chapter focused on the comparison of the effects of hyperparameters on the quality of unary classification for individual architectures. Part of the submission is a practical example of implementation of the unary classifier.

Sistemas de computação têm se tornado maiores e mais complexos com o objetivo de lidar com a vasta quantidade de dados disponíveis. Uma tarefa decisiva em tais sistemas é classificar estes dados, bem como extrair informação útil destes. Nesta dissertação, testam-se as redes lógicas de Markov como linguagem para especificação e aprendizado de classificadores automáticos de dados. Esta linguagem combina fragmentos da lógica de primeira ordem e modelos probabilísticos gráficos (redes de Markov) em uma única representação. A junção destas duas técnicas permite a modelagem de conhecimento relacional através da lógica, e também de incertezas por meio de probabilidades e grafos não-direcionados. Neste trabalho, classificadores são aprendidos segundo dois paradigmas de aprendizado de máquina: o supervisionado, foco desta dissertação, e também o aprendizado semi-supervisionado com restrições determinísticas. Para investigar a utilidade das redes lógicas de Markov no treinamento de classificadores, uma série de experimentos de aprendizado é desenvolvida a partir de bases de dados de treino reais disponíveis em repositórios na internet. Como ferramenta auxiliar nos experimentos, esta dissertação testa também o pacote Alchemy, que provê um conjunto de algoritmos para tarefas gerais de aprendizado de máquina e inferência probabilística em redes lógicas de Markov. Para mensurar o desempenho dos classificadores aprendidos, três métricas tradicionais são empregadas: acurácia, precisão e revocação. Os resultados alcançados com classificadores semi-supervisionados com restrições indicam que a linguagem ainda não é própria para este paradigma de aprendizado. Por outro lado, o êxito obtido no desempenho dos classificadores treinados de forma supervisionada sugere que as redes lógicas de Markov são um formalismo lógico-probabilístico promissor para aplicações de classificação, e devem ser objeto de pesquisas futuras. / Computing systems have become larger and more complex in order to deal with the vast amount of available data. An important task in such systems is to classify these data, so as to extract useful information from them. In this dissertation, Markov logic networks are tested as a language to specify and learn automatic data classifiers. This language combines fragments of first-order logic and probabilistic graphical models (Markov networks), in a single representation. Together, both techniques allow one to model relational knowledge through a logic formalism, and uncertainty through probabilities and undirected graphs. In this work, data classifiers are learned by two machine learning paradigms: the supervised, the main focus of this dissertation, and also the semisupervised learning under deterministic constraints. To investigate the usefulness of Markov logic networks in training data classifiers, a set of experiments is developed from real databases available in repositories at the internet. As a support tool for experiments, this dissertation tests also the Alchemy package, which provides a set of algorithms for general machine learning tasks and probabilistic inference in Markov logic networks. To measure the performance of data classifiers, three traditional metrics are employed: accuracy, precision and recall. The results reached with semisupervised data classifiers indicate that the language is not yet suitable for learning based on this paradigm. On the other hand, the success achieved with classifiers trained in a supervised context suggests that Markov logic networks are a promising logical-probabilistic formalism to approach classification applications, and should be considered in future research.

Em diversos domínios, além das informações sobre os objetos ou entidades que os compõem, existem, também, informaçõoes a respeito das relações entre esses objetos. Alguns desses domínios são, por exemplo, as redes de co-autoria, e as páginas Web. Nesse sentido, é natural procurar por técnicas de classificação que levem em conta estas informações. Dentre essas técnicas estão as denominadas classificação baseada em grafos, que visam classificar os exemplos levando em conta as relações existentes entre eles. Este trabalho aborda o desenvolvimento de métodos para melhorar o desempenho de classificadores baseados em grafos utilizando estratégias de ensembles. Um classificador ensemble considera um conjunto de classificadores cujas predições individuais são combinadas de alguma forma. Este classificador normalmente apresenta um melhor desempenho do que seus classificadores individualmente. Assim, foram desenvolvidas três técnicas: a primeira para dados originalmente no formato proposicional e transformados para formato relacional baseado em grafo e a segunda e terceira para dados originalmente já no formato de grafo. A primeira técnica, inspirada no algoritmo de boosting, originou o algoritmo KNN Adaptativo Baseado em Grafos (A-KNN). A segunda ténica, inspirada no algoritmo de Bagging originou trê abordagens de Bagging Baseado em Grafos (BG). Finalmente, a terceira técnica, inspirada no algoritmo de Cross-Validated Committees, originou o Cross-Validated Committees Baseado em Grafos (CVCG). Os experimentos foram realizados em 38 conjuntos de dados, sendo 22 conjuntos proposicionais e 16 conjuntos no formato relacional. Na avaliação foi utilizado o esquema de 10-fold stratified cross-validation e para determinar diferenças estatísticas entre classificadores foi utilizado o método proposto por Demsar (2006). Em relação aos resultados, as três técnicas melhoraram ou mantiveram o desempenho dos classificadores bases. Concluindo, ensembles aplicados em classificadores baseados em grafos apresentam bons resultados no desempenho destes / In many fields, besides information about the objects or entities that compose them, there is also information about the relationships between objects. Some of these fields are, for example, co-authorship networks and Web pages. Therefore, it is natural to search for classification techniques that take into account this information. Among these techniques are the so-called graphbased classification, which seek to classify examples taking into account the relationships between them. This paper presents the development of methods to improve the performance of graph-based classifiers by using strategies of ensembles. An ensemble classifier considers a set of classifiers whose individual predictions are combined in some way. This combined classifier usually performs better than its individual classifiers. Three techniques have been developed: the first applied for originally propositional data transformed to relational format based on graphs and the second and the third applied for data originally in graph format. The first technique, inspired by the boosting algorithm originated the Adaptive Graph-Based K-Nearest Neighbor (A-KNN). The second technique, inspired by the bagging algorithm led to three approaches of Graph-Based Bagging (BG). Finally the third technique, inspired by the Cross- Validated Committees algorithm led to the Graph-Based Cross-Validated Committees (CVCG). The experiments were performed on 38 data sets, 22 datasets in propositional format and 16 in relational format. Evaluation was performed using the scheme of 10-fold stratified cross-validation and to determine statistical differences between the classifiers it was used the method proposed by Demsar (2006). Regarding the results, these three techniques improved or at least maintain the performance of the base classifiers. In conclusion, ensembles applied to graph-based classifiers have good results in the performance of them

O presente trabalho de doutorado tem por objetivo a criação de uma nova família de filtros digitais específica para o processo de classificação de dados, particularmente aplicada ao pré-diagnóstico de patologias na laringe. Antes de explicar a criação dessa nova família de filtros, foi apresentada uma breve revisão bibliográfica sobre o funcionamento do aparelho fonador humano, sobre o processo de diagnóstico de patologias e sobre a transformada discreta Wavelet, que serviu de base para a construção dos filtros propostos. Em seguida, é descrita a tecnologia proposta para a criação da nova família de filtros, que é baseada na construção da Transformada Wavelet de Daubechies, além disso, apresenta-se uma breve comparação com outras técnicas já descritas na literatura para a mesma finalidade. Posteriormente, são apresentados os resultados obtidos com base na técnica proposta, verificando-se uma taxa de acerto na classificação de vozes normais de 100% e uma taxa de acerto de 95,52% para vozes patológicas. / The main purpose of this thesis is the development of a new family of digital filters used for data classification, particularly applied to the pre-diagnosis of pathologies in the larynx. A brief bibliographical review, that concentrates on the functioning of the human vocal tract, on the process of disease diagnosis, and on the discrete wavelet transform, which formed the basis for the construction of the proposed filters, is presented. The technology used to develop these new families of filters, that is based on the Daubechies Wavelet Transform, is also described, moreover, a comparison with other techniques described in the specialized literature for the same purpose is also presented. The investigation shows the results obtained with the proposed technique, in which the accuracy of 100% in normal voice classifications and of 95,52% in pathological voice classifications, was obtained.

Esta tese investiga a denotação dos nomes comuns nas línguas naturais. De forma mais específica enfoca a denotação dos nomes comuns no português brasileiro (PB). O objetivo é investigar os mecanismos que licenciam contabilidade no PB. Primeiramente investiga-se a denotação dos nomes no PB frente à proposta de Borer (2005). A autora defende que interpretações contáveis são licenciadas estruturalmente, mas que interpretações massivas não, e, nesse sentido, interpretações massivas são default. Segundo Borer (2005), o plural, em línguas como o inglês, e os classificadores, em línguas como o chinês, são sintagmas de classificação que originam interpretações contáveis, cujo núcleo tem um valor aberto div, onde DIV é um operador de divisão. A ausência desses sintagmas confere uma interpretação massiva aos nomes. Diferentemente da maioria das línguas germânicas e românicas que permitem a ocorrência do plural nu, mas não permitem a ocorrência do singular nu, no PB, o singular nu é extremamente produtivo. Assim, se Borer (2005) estiver certa, no PB os nomes são massivos, pois os nomes nessa língua podem ocorrer sem nenhuma estrutura que os divida, denotando uma massa amorfa, sem divisão. No entanto, a análise dos dados do PB mostra, contra as previsões de Borer (2005), que a denotação default dos nomes, independentemente de ser indeterminada para número, pode ser massiva ou contável e que tais nomes já vêm com essa denotação marcada do léxico. Em segundo lugar, investiga-se a denotação dos nomes lexicalmente contáveis em estruturas não marcadas para contabilidade. Como Rullmann e You (2003) defendem para o chinês, o PB é uma língua em que os nomes possuem número geral, isto é, não são singular nem plural, são neutros para número, como defendem Müller (2001) e Schmitt e Munn (1999, 2002) para o PB. Línguas que possuem número geral geralmente não possuem morfologia de número, entretanto, o PB é um exemplo de língua que possui número geral, classificação e morfologia de número. Em terceiro lugar, investiga-se a denotação dos nomes segundo a proposta de Rothstein (2007). A autora defende que interpretações contáveis são licenciadas por um mecanismo de contabilidade gramatical. Segundo Rothstein (2007), o singular em línguas como o inglês e os classificadores numéricos em línguas como o chinês são operações gramaticais que licenciam interpretações contáveis. Como o PB é uma língua que possui número geral, classificadores numéricos e morfologia de número, defende-se a tese de que nessa língua o que licencia contabilidade são as operações de número e de classificação. / This thesis investigates common noun denotations in natural languages. To be more specific, it encompasses common noun denotations in Brazilian Portuguese (BP). Its objective is to investigate the mechanisms which licence countability in BP. Firstly, noun denotation in BP is investigated according to Borers proposal (2005). The author argues that count interpretations are structurally licensed, while mass interpretations are not, thus in this sense, mass interpretations are default. According to Borer (2005), the plural morphology, in languages such as English, and the classifiers, in languages such as Chinese, are classifiers phrases which originate count interpretations with opened value nucleus div, where DIV is a division operator. The absence of these classifiers phrases bestows mass interpretation to the nouns. Contrary to most Germanic and Romance languages which permit bare plurals, but do not permit bare singulars, in BP, the bare singular is extremely productive. Thus, if Borer (2005) is right, nouns are mass-denoting in BP since they can occur without any distinctive structure, denoted amorphous mass, undivided. However, data analysis in BP opposes the predictions of Borer (2005) that a default noun denotation, regardless of being indeterminate in number, can be a mass or count denotation, and that such nouns already have this lexical denotation. Secondly, lexical denotation of count nouns in unmarked structures is investigated for countability. As Rullman and Aili You (2003) defend Chinese, BP is a language in which nouns have general number, that is, they are neither singular nor plural, they are neutral for number, as defended by Müller (2001) and Schmitt e Munn (1999, 2002). Languages with general number do not have plural morphology, but BP is an example of a language that has general number, numeral classifier and plural morpheme. Thirdly, denotation of names according to Rothstein (2007) is investigated. The author argues that countable interpretations are licensed by a mechanism of grammatical countability. According to Rothstein (2007), singular morphology in languages such as English and numeral classifiers in languages such as Chinese are grammatical operations which licence count interpretations. Since BP is a language that has general number, numeral classifiers and plural morphology, the thesis that, in this language, number and classification operations licence countability is defended.

Sistemas de computação têm se tornado maiores e mais complexos com o objetivo de lidar com a vasta quantidade de dados disponíveis. Uma tarefa decisiva em tais sistemas é classificar estes dados, bem como extrair informação útil destes. Nesta dissertação, testam-se as redes lógicas de Markov como linguagem para especificação e aprendizado de classificadores automáticos de dados. Esta linguagem combina fragmentos da lógica de primeira ordem e modelos probabilísticos gráficos (redes de Markov) em uma única representação. A junção destas duas técnicas permite a modelagem de conhecimento relacional através da lógica, e também de incertezas por meio de probabilidades e grafos não-direcionados. Neste trabalho, classificadores são aprendidos segundo dois paradigmas de aprendizado de máquina: o supervisionado, foco desta dissertação, e também o aprendizado semi-supervisionado com restrições determinísticas. Para investigar a utilidade das redes lógicas de Markov no treinamento de classificadores, uma série de experimentos de aprendizado é desenvolvida a partir de bases de dados de treino reais disponíveis em repositórios na internet. Como ferramenta auxiliar nos experimentos, esta dissertação testa também o pacote Alchemy, que provê um conjunto de algoritmos para tarefas gerais de aprendizado de máquina e inferência probabilística em redes lógicas de Markov. Para mensurar o desempenho dos classificadores aprendidos, três métricas tradicionais são empregadas: acurácia, precisão e revocação. Os resultados alcançados com classificadores semi-supervisionados com restrições indicam que a linguagem ainda não é própria para este paradigma de aprendizado. Por outro lado, o êxito obtido no desempenho dos classificadores treinados de forma supervisionada sugere que as redes lógicas de Markov são um formalismo lógico-probabilístico promissor para aplicações de classificação, e devem ser objeto de pesquisas futuras. / Computing systems have become larger and more complex in order to deal with the vast amount of available data. An important task in such systems is to classify these data, so as to extract useful information from them. In this dissertation, Markov logic networks are tested as a language to specify and learn automatic data classifiers. This language combines fragments of first-order logic and probabilistic graphical models (Markov networks), in a single representation. Together, both techniques allow one to model relational knowledge through a logic formalism, and uncertainty through probabilities and undirected graphs. In this work, data classifiers are learned by two machine learning paradigms: the supervised, the main focus of this dissertation, and also the semisupervised learning under deterministic constraints. To investigate the usefulness of Markov logic networks in training data classifiers, a set of experiments is developed from real databases available in repositories at the internet. As a support tool for experiments, this dissertation tests also the Alchemy package, which provides a set of algorithms for general machine learning tasks and probabilistic inference in Markov logic networks. To measure the performance of data classifiers, three traditional metrics are employed: accuracy, precision and recall. The results reached with semisupervised data classifiers indicate that the language is not yet suitable for learning based on this paradigm. On the other hand, the success achieved with classifiers trained in a supervised context suggests that Markov logic networks are a promising logical-probabilistic formalism to approach classification applications, and should be considered in future research.

Submitted by Erika Demachki (erikademachki@gmail.com) on 2014-10-14T21:24:19Z No. of bitstreams: 2 Dissertação - Rafael Teixeira Sousa - 2013.pdf: 2536972 bytes, checksum: 5a0aa0899207e8f66f11c5b819fcc211 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Jaqueline Silva (jtas29@gmail.com) on 2014-10-16T18:20:52Z (GMT) No. of bitstreams: 2 Dissertação - Rafael Teixeira Sousa - 2013.pdf: 2536972 bytes, checksum: 5a0aa0899207e8f66f11c5b819fcc211 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2014-10-16T18:20:52Z (GMT). No. of bitstreams: 2 Dissertação - Rafael Teixeira Sousa - 2013.pdf: 2536972 bytes, checksum: 5a0aa0899207e8f66f11c5b819fcc211 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2013-09-20 / This work extends a Computer-Aided Diagnosis system called PneumoCAD for detecting pneumonia in infants using radiographic images, with the aim of improving the system’s accuracy, robustness and test the features previously extracted. We implement and compare five contemporary machine learning classifiers, namely: Naïve Bayes, K-Nearest Neighbor (KNN), Support Vector Machines (SVM), Multi-Layer Perceptron (MLP) and Decision Tree, combined with three dimensionality reduction algorithms: the feature selection wrapper Sequential Forward Elimination (SFE), and two feature filter algotithms: Principal Component Analysis (PCA) and Kernel Principal Component Analysis (KPCA). Current Results of demonstrate that the Naïve Bayes classifier combined with KPCA produces the best overall results. Also confirming the efficiency os features. / Avaliação de classificadores na classificação de radiografias de tórax para o diagnóstico de pneumonia infantil Este trabalho dá continuidade ao Sistema de Auxílio a Diagnóstico chamado de PneumoCAD para a detecção de pneumonia infantil por meio de imagens radiográficas, com o objetivo de aprimorar a acurácia, robustez e testar as características extraídas anteriormente. Nós implementamos cinco classificadores contemporâneos, sendo estes: Naïve Bayes, K-Nearest Neighbor (KNN), Support Vector Machines (SVM), Multi-Layer Perceptron (MLP) e Árvore de decisão. Combinamos os classificadores com três algoritmos de redução de dimensionalidade: o wrapper Sequential Forward Elimination (SFE) e dois filtros: Principal Component Analysis (PCA) e Kernel Principal Component Analysis (KPCA). Os resultados atuais mostram que o Naïve Bayes combinado com o KPCA produzem o melhor resultado (96% de acurácia). Também confirmando a eficiência das características.

Esta tese investiga a denotação dos nomes comuns nas línguas naturais. De forma mais específica enfoca a denotação dos nomes comuns no português brasileiro (PB). O objetivo é investigar os mecanismos que licenciam contabilidade no PB. Primeiramente investiga-se a denotação dos nomes no PB frente à proposta de Borer (2005). A autora defende que interpretações contáveis são licenciadas estruturalmente, mas que interpretações massivas não, e, nesse sentido, interpretações massivas são default. Segundo Borer (2005), o plural, em línguas como o inglês, e os classificadores, em línguas como o chinês, são sintagmas de classificação que originam interpretações contáveis, cujo núcleo tem um valor aberto div, onde DIV é um operador de divisão. A ausência desses sintagmas confere uma interpretação massiva aos nomes. Diferentemente da maioria das línguas germânicas e românicas que permitem a ocorrência do plural nu, mas não permitem a ocorrência do singular nu, no PB, o singular nu é extremamente produtivo. Assim, se Borer (2005) estiver certa, no PB os nomes são massivos, pois os nomes nessa língua podem ocorrer sem nenhuma estrutura que os divida, denotando uma massa amorfa, sem divisão. No entanto, a análise dos dados do PB mostra, contra as previsões de Borer (2005), que a denotação default dos nomes, independentemente de ser indeterminada para número, pode ser massiva ou contável e que tais nomes já vêm com essa denotação marcada do léxico. Em segundo lugar, investiga-se a denotação dos nomes lexicalmente contáveis em estruturas não marcadas para contabilidade. Como Rullmann e You (2003) defendem para o chinês, o PB é uma língua em que os nomes possuem número geral, isto é, não são singular nem plural, são neutros para número, como defendem Müller (2001) e Schmitt e Munn (1999, 2002) para o PB. Línguas que possuem número geral geralmente não possuem morfologia de número, entretanto, o PB é um exemplo de língua que possui número geral, classificação e morfologia de número. Em terceiro lugar, investiga-se a denotação dos nomes segundo a proposta de Rothstein (2007). A autora defende que interpretações contáveis são licenciadas por um mecanismo de contabilidade gramatical. Segundo Rothstein (2007), o singular em línguas como o inglês e os classificadores numéricos em línguas como o chinês são operações gramaticais que licenciam interpretações contáveis. Como o PB é uma língua que possui número geral, classificadores numéricos e morfologia de número, defende-se a tese de que nessa língua o que licencia contabilidade são as operações de número e de classificação. / This thesis investigates common noun denotations in natural languages. To be more specific, it encompasses common noun denotations in Brazilian Portuguese (BP). Its objective is to investigate the mechanisms which licence countability in BP. Firstly, noun denotation in BP is investigated according to Borers proposal (2005). The author argues that count interpretations are structurally licensed, while mass interpretations are not, thus in this sense, mass interpretations are default. According to Borer (2005), the plural morphology, in languages such as English, and the classifiers, in languages such as Chinese, are classifiers phrases which originate count interpretations with opened value nucleus div, where DIV is a division operator. The absence of these classifiers phrases bestows mass interpretation to the nouns. Contrary to most Germanic and Romance languages which permit bare plurals, but do not permit bare singulars, in BP, the bare singular is extremely productive. Thus, if Borer (2005) is right, nouns are mass-denoting in BP since they can occur without any distinctive structure, denoted amorphous mass, undivided. However, data analysis in BP opposes the predictions of Borer (2005) that a default noun denotation, regardless of being indeterminate in number, can be a mass or count denotation, and that such nouns already have this lexical denotation. Secondly, lexical denotation of count nouns in unmarked structures is investigated for countability. As Rullman and Aili You (2003) defend Chinese, BP is a language in which nouns have general number, that is, they are neither singular nor plural, they are neutral for number, as defended by Müller (2001) and Schmitt e Munn (1999, 2002). Languages with general number do not have plural morphology, but BP is an example of a language that has general number, numeral classifier and plural morpheme. Thirdly, denotation of names according to Rothstein (2007) is investigated. The author argues that countable interpretations are licensed by a mechanism of grammatical countability. According to Rothstein (2007), singular morphology in languages such as English and numeral classifiers in languages such as Chinese are grammatical operations which licence count interpretations. Since BP is a language that has general number, numeral classifiers and plural morphology, the thesis that, in this language, number and classification operations licence countability is defended.

Esta tese apresenta uma metodologia para classificação automática de achados mamográficos em mamas densas através de uma abordagem híbrida de classificadores e extração de atributos, como parte de um esquema computadorizado de auxílio ao diagnóstico (CAD) para mamografia. Foram implementadas duas redes Backpropagation. Uma responde pela classificação de clusters de microcalcificações, através de atributos descritores geométricos, em duas classes - suspeito e não suspeito. A outra rede classifica nódulos utilizando descritores geométricos e uma entrada com informação extraída de atributos de intensidade, produzindo na saída dois tipos de informação: presença ou não do nódulo, e constatada a presença do nódulo, classificação da região de interesse (RI) entre as categorias BI-RADS. As respostas de um \"clusterizador\" de RIs através de atributos de intensidade serviram de entrada para essa rede fornecendo uma informação de grau de densidade da RI. Uma interface foi desenvolvida para a apresentação dos resultados a fim de fornecer informações mais detalhadas da classificação e do caso analisado. Os resultados do classificador foram analisados através de análise estatística de sensibilidade e especificidade, e também por curvas ROC. Os resultados obtidos ficaram próximos a 89% de acerto total (verdadeiros-positivos mais verdadeiros-negativos) para nódulos produzindo valor de Az superior a 0,92 e ultrapassaram 75% de acerto da classificação entre as classes BI-RADS. Na classificação dos clusters os acertos totais do classificador ficaram próximos de 90%, com Az superior a 0,94. Para ambos tipos de lesões, as taxas de respostas falsas-negativas ficaram abaixo de 0,1, o que significa baixo erro em relação à não detecção da doença quando o sinal está presente. O classificador apresentado nesse trabalho é a conclusão de uma etapa importante do esquema CAD que vem sendo desenvolvido pelo grupo, além de possibilitar a disponibilização de mais uma ferramenta automática de auxílio ao diagnóstico do câncer de mama aos serviços de mamografia. / This thesis presents a methodology for automatic classification of mamographic findings in image of dense breast through hybrid approach of classifiers and features extraction techniques, as part of a computer-aided diagnostic (CAD) scheme for mammography. Two Backpropagation neural networks were implemented. One for microcalcifications clustered classification, through geometric descriptors, in two classes - suspect and non-suspect. The other neural network classifies nodules using geometric descriptors and additional information from intensity features extracted, producing in the output two kinds of information: presence or not of the nodule, and if nodule is present in the image, classification among BI-RADS categories. The result of clustering technique by using intensity features is presented as a new input to neural network, supplying density degree of image. An interface was developed for results presentation in order to supply more detailed information from the classifier outputs and of the analyzed case. The results of the classifier were analyzed through sensibility and specificity statistical analysis, and also for ROC curves. The results were close to 89% of total accuracy (positive-true plus negative-true) for nodules producing value of Az more than 0,92 and 75% of accuracy to classification among BI-RADS categories. In the cluster classification the total accuracy is about 90%, and Az greater than 0,94. In both kinds of lesions, negative-false result rates were below 0,1, which means low error related to the fail to detect the disease when the signal is present. The classifier presented in this work is the conclusion of an important stage of the CAD scheme that has been developed by the group, besides making possible the availability of one more automatic tool of aid to the breast cancer diagnosis to be used in mammography centers.

Interface Cérebro-Computador é um meio que permite a comunicação do cérebro com dispositivos externos e tem como principal público-alvo as pessoas com problemas motores, incapazes de se comunicarem e/ou se locomoverem. Uma das principais aplicações são os soletradores baseados no P300 que fornecem um meio de indivíduos se comunicarem através de um teclado virtual. Devolver a capacidade de comunicação para uma pessoa é de extrema importância para a qualidade de vida das pessoas. Esse tipo de aplicação possui diversos desafios, um deles é a necessidade da BCI ser treinada especificamente para cada indivíduo. Esse treinamento pode levar horas e até mesmo dias. Uma das formas de diminuir esse tempo é utilizar um dos conjuntos de canais pré-definidos que são sugeridos na literatura, porém esses conjuntos não garantem um funcionamento adequado da BCI, o que pode frustar os indivíduos não desejar mais utilizar uma BCI. Para solucionar esse problema, é proposto no presente trabalho a seleção de canais a partir de um conjunto de canais para agilizar o processo de treinamento e atingir um ótimo desempenho com a BCI. / Brain-Computer Interface is a means that allows the communication of the brain with external devices and has as main target audience the people with motor problems, unable to communicate and/or move around. One of the main applications is the P300-based spellers that provide a means for individuals to communicate through a virtual keyboard. Recovering the ability to communicate to a person is of extreme importance to the quality of peoples lives. This type of application has several challenges, one of which is the need for BCI to be trained specifically for each individual. This training can take hours and even days. One of the ways to decrease this time is to use one of the predefined set of channels that are suggested in the literature, but these sets do not guarantee an adequate functioning of BCI, which can frustrate individuals no longer want to use a BCI. To solve this problem, it is proposed in the present work the selection of channels from a set of channels to accelerate the training process and achieve optimal performance with BCI.