Objetivo: avaliar a percepção da dor na fibromialgia por meio de técnica metodológica quantitativa e qualitativa. Métodos: 30 clientes foram avaliadas por meio de uma entrevista analisada através de análise de conteúdo temática e do Instrumento de Descritores de Dor, sendo que para os dados resultantes foram calculados a média aritmética e o desvio padrão para determinar quais descritores caracterizam melhor a dor na fibromialgia. Resultados e discussão: a análise de conteúdo resultou na construção de categorias de análise referentes às percepções de: diagnóstico, motivações, doença, sentimentos, pensamentos e repercussões na qualidade de vida. Já o Instrumento de Descritores de Dor revelou que os descritores de maior atribuição na caracterização da dor foram incômoda, que espalha, latejante, desconfortável e persistente e os de menor atribuição foram desgraçada, demoníaca, maldita, aterrorizante e assustadora. Os dois instrumentos mostraram tendência das clientes em perceber e relatar a dor, principalmente relacionada às características sensorialdiscriminativas. Além disso apresentaram dados relativos à importância do papel da família e do profissional de saúde no manejo da dor. Conclusão: percebeu-se a necessidade de estimular a percepção e a expressão das clientes com relação à dor, abarcando sua multidimensionalidade e que, o manejo da dor deve ser realizado levando-se em conta a tríade equipe de saúde - cliente - família, face à complexidade do fenômeno. / Objective: Evaluate the perception of pain in the fibromyalgia through the quantitative and qualitative methodological technique. Method: A total of 30 clients were assessed through an interview analyzed by the thematic content and through the instrument Descriptors of Pain. Arithmetic mean and standard error were used to determine which descriptors better characterize the pain in the fibromyalgia. Results and Discussion: The result of the content analysis was the construction of categories of analysis regarding the perceptions of: diagnosis, motivation, disease, feelings, thoughts and repercussions on the quality of life. The Descriptors of Pain instrument revealed the descriptors of higher attribution in the characterization of pain were inconvenient, spreading, pulsating, uncomfortable and persistent and the descriptors with the lower attribution were miserable, demoniac, cursed, terrifying and frightening. The two instruments showed the clients\' tendency in perceiving and reporting the pain regarding to the sensorialdiscriminating characteristics. In addition, data related to the importance of the family\'s and the health professional\'s roles in managing the pain were presented. Conclusion: The need to stimulate the perception and expression of clients regarding the pain in its multidimensionality was perceived. It is concluded that the management of pain must be performed considering the complexity of the phenomenon in terms of the triad health team - client - family.

Orientador: Manoel Cléber de Sampaio Alves / Banca: Fábio Minoru Yamaji / Banca: Ana Lúcia Piedade Sodero Martins Pincelli / Banca: André Luís Debiaso Rossi / Banca: Carlos de Oliveira Affonso / Abstract: The quality classification of wood is prescribed throughout the wood chain industry, particularly those from the processing and manufacturing fields. Those organizations have invested energy and time trying to increase value of basic items, with the purpose of accomplishing better results, in agreement to the market. The objective of this work was to compare Convolutional Neural Network, a deep learning method, for wood quality classification to other traditional Machine Learning techniques, namely Support Vector Machine (SVM), Decision Trees (DT), K-Nearest Neighbors (KNN), and Neural Networks (NN) associated with Texture Descriptors. Some of the possible options were to assess the predictive performance through the experiments with different techniques, Deep Learning and Texture Descriptors, for processing images of this material type. A camera was used to capture the 374 image samples adopted on the experiment, and their database is available for consultation. The images had some stages of processing after they have been acquired, as pre-processing, segmentation, feature analysis, and classification. The classification methods occurred through Deep Learning, more specifically Convolutional Neural Networks - CNN, and using Texture Descriptors with Support Vector Machine, Decision Trees, K-nearest Neighbors and Neural Network. Empirical results for the image dataset showed that the approach using texture descriptor method, regardless of the strategy employed, is very competi... (Complete abstract click electronic access below) / Resumo: A classificação da qualidade da madeira é indicada para indústria de processamento e produção desse material. Essas empresas têm investido em soluções para agregar valor à matéria-prima, com o intuito de melhorar resultados, observando os rumos do mercado. O objetivo deste trabalho foi comparar Redes Neurais Convolutivas, um método de aprendizado profundo, na classificação da qualidade de madeira, com outras técnicas tradicionais de Máquinas de aprendizado, como Máquina de Vetores de Suporte, Árvores de Decisão, Regra dos Vizinhos Mais Próximos e Redes Neurais, em conjunto com Descritores de Textura. Isso foi possível através da verificação do nível de acurácia das experiências com diferentes técnicas, como Aprendizado Profundo e Descritores de Textura no processamento de imagens destes objetos. Foi utilizada uma câmera convencional para capturar as 374 amostras de imagem adotadas no experimento, e a base de dados está disponível para consulta. O processamento das imagens passou por algumas fases, após terem sido obtidas, como pré-processamento, segmentação, análise de recursos e classificação. Os métodos de classificação se deram através de Aprendizado Profundo e por meio de técnicas de Aprendizado de Máquinas tradicionais como Máquina de Vetores de Suporte, Árvores de Decisão, Regra dos Vizinhos Mais Próximos e Redes Neurais juntamente com os Descritores de Textura. Os resultados empíricos para o conjunto de dados das imagens da madeira serrada mostraram que o método com De... (Resumo completo, clicar acesso eletrônico abaixo) / Doutor

Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-10T19:07:24Z No. of bitstreams: 2 Dissertaçao Hesdras Viana.pdf: 2998238 bytes, checksum: de42b675472ac4632a3a3c04688a77d5 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Approved for entry into archive by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-10T19:43:06Z (GMT) No. of bitstreams: 2 Dissertaçao Hesdras Viana.pdf: 2998238 bytes, checksum: de42b675472ac4632a3a3c04688a77d5 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-10T19:43:06Z (GMT). No. of bitstreams: 2 Dissertaçao Hesdras Viana.pdf: 2998238 bytes, checksum: de42b675472ac4632a3a3c04688a77d5 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-02-26 / Extrair características da fala é uma etapa fundamental para os sistemas de reconhecimento de voz. É através dos descritores que extraímos a energia do sinal, a frequência fundamental (pitch) e a estrutura dos formantes que serão utilizados como identificadores para cada palavra pronunciada. Descritores como MFCC (Mel-Frequency Cepstral Coefficient), RASTA-PLP (RelAtive SpecTrAl - Perceptual Linear Predictive) e PNCC (Power Normalized Cepstral Coefficient) são muitos utilizados no estado da arte na área de reconhecimento de voz, porém, essas técnicas não conseguem apresentar bons resultados quando expostos a amostras com presença de ruído, variabilidade de locutor e fala contínua. O objetivo deste trabalho é desenvolver um descritor para a fala que seja invariante ao ruído, ambiente e locução. Para isso, fizemos um estudo dos descritores de voz mais utilizados na literatura, identificando as vantagens e desvantagens, expondo a situações variadas. Para avaliação das técnicas, utilizamos a base NOIZEUS (Noisy Speech Corpus) e dois classificadores: HMM (Hidden Markov Models) e SVM (Support Vector Machine). Essa base tem como característica a presença de ruído variando de 0dB, 5dB, 10dB e 15dB, gravada em diversos ambientes. A utilização dos classificadores serviu para validar os descritores de voz. O descritor proposto, chamado de MINERS (Model Invariant to Noise and Environment and Robust for Speech), apresentou melhores resultados entre todos os descritores avaliados (MFCC, MFCC combinado com Wavelet Denoising, RASTAPLP e PNCC). A abordagem que obteve maior sucesso foi a utilização do MINERS com o classificador SVM.

Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-04-08T19:14:36Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) QGSC.pdf: 1233216 bytes, checksum: 22e57bbd415e9bb70cfec18e9dedc3c8 (MD5) / Made available in DSpace on 2015-04-08T19:14:36Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) QGSC.pdf: 1233216 bytes, checksum: 22e57bbd415e9bb70cfec18e9dedc3c8 (MD5) Previous issue date: 2012-02-27 / CNPq e CAPES / Manipulações nutricionais em períodos críticos de desenvolvimento, que levam à desnutrição, promovem consequências negativas em longo prazo no funcionamento do sistema imunológico. O macrófago atua em diferentes momentos da resposta imune, participando tanto da resposta inata quanto da resposta imune adaptativa, contudo, ainda são poucos os estudos que se dedicam a esclarecer o comportamento desta célula em situações onde houve privação de nutrientes em períodos precoces da vida. Tais informações poderiam ajudar a esclarecer o comportamento do sistema imune submetido à privação nutricional bem como as possíveis consequências destas mudanças na homeostase de um organismo. No artigo “Desnutrição pós-natal imediata altera a viabilidade e função dos macrófagos em ratos”, o impacto da manipulação nutricional no período pós-natal imediato em macrófagos alveolares de ratos foi avaliado quanto à função, quantidade e viabilidade em animais adultos. Ratos foram amamentados por mães alimentadas com uma dieta purificada deficiente em proteínas ou por uma dieta multideficiente semelhante a consumido durante a década de 1960 pelas populações desnutridas no nordeste do Brasil, chamada de Dieta Básica Regional (DBR). Quando adultos foram avaliados quanto aos parâmetros hematológicos e suas células broncoalveolares foram examinadas quanto a funcionalidade e viabilidade. O presente estudo mostrou que não ocorreram modificações nos valores hematológicos das séries vermelha e branca, bem como não alterou o numero de células totais no lavado broncoalveolar. O estudo da cultura celular revelou que ambas, as manipulações da dieta indicaram diminuição da viabilidade e da função da célula. Este último foi indicado pela redução da capacidade do macrófago em produzir NO. Em conclusão, as manipulações dietéticas ocorrida do período pós-natal imediato geram alterações permanentes nos macrófagos de ratos na vida adulta. Novos estudos ajudarão a desvendar os mecanismos pelos quais a desnutrição em períodos críticos de desenvolvimento prejudica o equilíbrio do sistema imune. O entendimento aprofundado destes mecanismos poderá, quem sabe, no futuro, permitir a prevenção dos efeitos deletérios da má nutrição no início da vida, quer seja por meio de intervenção medicamentosa, nutricional ou com mudanças dos hábitos de vida.

Este estudo teve como objetivo selecionar os descritores botânico-agronômicos que melhor se prestam para caracterizar acessos das espécies paspalum guenoarum e paspalum plicatulum. Através de componentes principais, baseando-se nos artigos de Jolliffe (1972 e 1973). Foram avaliados 15 descritores reprodutivos, 22 vegetativos e 21 agronômicos, sendo que os agronômicos compreenderam 7 descritores para a avaliação anual, 7 descritores para a avaliação de inverno e 7 descritores para a avaliação de verão. Após a seleção de descritores reprodutivos, vegetativos e agronômicos separadamente, foi realizada uma análise de componentes principais considerando estes caracteres conjuntamente. A fim de se proceder a uma nova seleção. O método utilizado permitiu uma redução de 53%, 68% e 43%. Dos descritores reprodutivos, vegetativos e agronômicos, respectivamente, do conjunto inicialmente considerado. Como descritores importantes destacaram-se: PR, CE, EFL (reprodutivos), DIPB, CMB, LMBBASE (vegetativos) e PORMSANO, DIVERAO (agronômicos), o que representa um descarte de 86% do total de descritores utilizados na caracterização dos acessos. Verificou-se também que os descritores agronômicos por serem mais influenciados por fatores ambientais tiveram uma menor participação nesta caracterização, uma vez que dos oito descritores selecionados, seis foram reprodutivos e vegetativos. Para os descritores vegetativos o método de descarte não foi tão satisfatório quanto para os demais, devendo-se ressaltar que suas estimativas podem não ter refletido com boa exatidão as associações existentes entre os mesmos tendo em vista o pequeno número de acessos (26) e a quantidade elevada de descritores (22) considerados. O método de componentes principais mostrou-se útil para selecionar os descritores mais importantes na descrição da variabilidade presente na coleção de acessos do germoplasma estudado / not available

Orientador: Hélio Pedrini / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-19T11:40:39Z (GMT). No. of bitstreams: 1 Rezio_AnaCarolinaCorreia_M.pdf: 2407538 bytes, checksum: cbf48e9214024f2478edcaa47e002852 (MD5) Previous issue date: 2011 / Resumo: Atualmente, há uma crescente demanda por imagens de alta resolução em diversos domínios de conhecimento, como sensoriamento remoto, medicina, automação industrial, microscopia, entre outros. Imagens de alta resolução fornecem detalhes que são importantes para as tarefas de análise e visualização dos dados presentes nas imagens. Entretanto, devido ainda ao custo elevado dos sensores de alta precisão e às limitações existentes para redução do tamanho dos pixels das imagens encontradas no próprio sensor, as imagens de alta resolução têm sido adquiridas a partir de métodos de super-resolução. Este trabalho propõe um método para super-resolver uma imagem ou uma sequência de imagens a partir da compensação residual aprendida pelas características extraídas na imagem residual e no conjunto de treinamento. Resultados experimentais mostram que, na maioria casos, o método proposto provê menores erros quando comparado com outras abordagens do estado da arte. Medidas quantitativas e qualitativas são utilizadas na comparação dos resultados obtidos com as técnicas de super-resolução consideradas nos experimentos / Abstract: There is currently a growing demand for high-resolution images in several domains of knowledge, such as remote sensing, medicine, industrial automation, microscopy, among others. High resolution images provide details that are important to tasks of analysis and visualization of data present in the images. However, due to the cost of high precision sensors and the limitations that exist for reducing the size of the image pixels in the sensor itself, high-resolution images have been acquired from super-resolution methods This work proposes a method for super-resolving an image or a sequence of images from the compensation residual learned by the features extracted in the residual image and the training set. The results are compared with some methods available in the literature. Quantitative and qualitative measures are used to compare the results obtained with the super-resolution techniques considered in the experiments / Mestrado / Ciência da Computação / Mestre em Ciência da Computação

Submitted by Gabriela Lopes (gmachadolopesufpel@gmail.com) on 2016-09-23T14:31:16Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese Marcel Eicholz UFPel 2016.pdf: 1600379 bytes, checksum: b826250bb6117dd9d64725109d11b3cd (MD5) / Made available in DSpace on 2016-09-23T14:31:16Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese Marcel Eicholz UFPel 2016.pdf: 1600379 bytes, checksum: b826250bb6117dd9d64725109d11b3cd (MD5) Previous issue date: 2016-07-01 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / O tungue (Aleurites fordii) é uma planta da família Euphorbiaceae, adaptada ao clima temperado, necessita cerca de 350 a 400 horas de frio (abaixo de 7,2°C) para diferenciação de gemas vegetativas e floríferas. Essa espécie é cultivada com objetivo de produzir óleo o qual tem uma característica muito importante que é secagem rápida, sendo amplamente utilizado na indústria de tintas e resinas, podendo também ser utilizado na ornamentação de vias e jardins. Mesmo a cultura estando presente no Estado a mais de 50 anos, informações referentes ao comportamento do tungue ainda são recentes. Assim, o objetivo do trabalho foi avaliar a fenologia e determinar características agronômicas de interesse em clones e genótipos de tungue no Rio Grande do Sul. As avaliações ocorreram em três safras consecutivas avaliando-se as características morfológicas, fenológicas e produtivas. Os resultados obtidos revelam variabilidade de interesse para as características avaliadas. Foram identificados genótipos com alto potencial produtivo e morfologia adequada para produção comercial e genótipos com potencial paisagístico. Não houve diferenças entre os clones testados nos diferentes locais e anos para as características morfológicas e fenológicas, entretanto houve interação Clone x Local, existindo comportamento diferenciado dos clones, quanto a produtividade, nos diferentes locais. / The tung tree (Aleurites fordii) plant belongs to the Euphorbiaceae family, adapted to temperate climate, it needs about 350 to 400 chilling hours (below 7.2°C) for vegetative and flower buds differentiation. This species is cultivated in order to produce oil which has a very important feature that is quick drying and is widely used in industrial paints and resins. It could also be used as an ornamental plant. Despite being present in the State for over 50 years, information about the behavior of the tung tree are recent. Therefore objective of this study was to evaluate the phenology and determine agronomic traits of interest in clones and tung genotypes in Rio Grande do Sul State. The morphological, phenological and productive characteristics were evaluated in three consecutive harvests. The results showed variability of interest to the characteristics evaluated. There were genotypes with high yield potential and morphology suitable for commercial production and genotypes with landscaping potential. There were no differences between the clones tested in different locations and years for the morphological and phenological characteristics, though there was interaction between clone x location. Clones showed different behavior in different locations for productivity traits.The tung tree (Aleurites fordii) plant belongs to the Euphorbiaceae family, adapted to temperate climate, it needs about 350 to 400 chilling hours (below 7.2°C) for vegetative and flower buds differentiation. This species is cultivated in order to produce oil which has a very important feature that is quick drying and is widely used in industrial paints and resins. It could also be used as an ornamental plant. Despite being present in the State for over 50 years, information about the behavior of the tung tree are recent. Therefore objective of this study was to evaluate the phenology and determine agronomic traits of interest in clones and tung genotypes in Rio Grande do Sul State. The morphological, phenological and productive characteristics were evaluated in three consecutive harvests. The results showed variability of interest to the characteristics evaluated. There were genotypes with high yield potential and morphology suitable for commercial production and genotypes with landscaping potential. There were no differences between the clones tested in different locations and years for the morphological and phenological characteristics, though there was interaction between clone x location. Clones showed different behavior in different locations for productivity traits.

Orientadores: Hélio Pedrini, William Robson Schwartz / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-24T04:06:04Z (GMT). No. of bitstreams: 1 Siqueira_FernandoRobertide_M.pdf: 20841189 bytes, checksum: 62053b7b36d54bbdccc8b5aa3650fe6a (MD5) Previous issue date: 2013 / Resumo: Visão computacional e processamento de imagens desempenham um papel importante em diversas áreas, incluindo detecção de objetos e classificação de imagens, tarefas muito importantes para aplicações em imagens médicas, sensoriamento remoto, análise forense, detecção de pele, entre outras. Estas tarefas dependem fortemente de informação visual extraída de imagens que possa ser utilizada para descrevê-las eficientemente. Textura é uma das principais propriedades usadas para descrever informação tal como distribuição espacial, brilho e arranjos estruturais de superfícies. Para reconhecimento e classificação de imagens, um grande grupo de descritores de textura foi investigado neste trabalho, sendo que apenas parte deles é realmente multiescala. Matrizes de coocorrência em níveis de cinza (GLCM) são amplamente utilizadas na literatura e bem conhecidas como um descritor de textura efetivo. No entanto, este descritor apenas discrimina informação em uma única escala, isto é, a imagem original. Escalas podem oferecer informações importantes em análise de imagens, pois textura pode ser percebida por meio de diferentes padrões em diferentes escalas. Dessa forma, duas estratégias diferentes para estender a matriz de coocorrência para múltiplas escalas são apresentadas: (i) uma representação de escala-espaço Gaussiana, construída pela suavização da imagem por um filtro passa-baixa e (ii) uma pirâmide de imagens, que é definida pelo amostragem de imagens em espaço e escala. Este descritor de textura é comparado com outros descritores em diferentes bases de dados. O descritor de textura proposto e então aplicado em um contexto de detecção de pele, como forma de melhorar a acurácia do processo de detecção. Resultados experimentais demonstram que a extensão multiescala da matriz de coocorrência exibe melhora considerável nas bases de dados testadas, exibindo resultados superiores em relação a diversos outros descritores, incluindo a versão original da matriz de coocorrência em escala única / Abstract: Computer vision and image processing techniques play an important role in several fields, including object detection and image classification, which are very important tasks with applications in medical imagery, remote sensing, forensic analysis, skin detection, among others. These tasks strongly depend on visual information extracted from images that can be used to describe them efficiently. Texture is one of the main used characteristics that describes information such as spatial distribution, brightness and surface structural arrangements. For image recognition and classification, a large set of texture descriptors was investigated in this work, such that only a small fraction is actually multi-scale. Gray level co-occurrence matrices (GLCM) have been widely used in the literature and are known to be an effective texture descriptor. However, such descriptor only discriminates information on a unique scale, that is, the original image. Scales can offer important information in image analysis, since texture can be perceived as different patterns at distinct scales. For that matter, two different strategies for extending the GLCM to multiple scales are presented: (i) a Gaussian scale-space representation, constructed by smoothing the image with a low-pass filter and (ii) an image pyramid, which is defined by sampling the image both in space and scale. This texture descriptor is evaluated against others in different data sets. Then, the proposed texture descriptor is applied in skin detection context, as a mean of improving the accuracy of the detection process. Experimental results demonstrated that the GLCM multi-scale extension has remarkable improvements on tested data sets, outperforming many other feature descriptors, including the original GLCM / Mestrado / Ciência da Computação / Mestre em Ciência da Computação

Diversas áreas da Computação (Personalização e Adaptação de Conteúdo, Recuperação de Informação, entre outras) se beneficiam da segmentação de vídeo em unidades menores de informação. A literatura apresenta diversos métodos e técnicas cujo objetivo é identificar essas unidades. Uma limitação é que tais técnicas não tratam o problema da detecção de cenas em segmentos semanticamente complexos, definidos como trechos de vídeo que apresentam mais de um assunto ou tema, e cuja semântica latente dificilmente pode ser determinada utilizando-se somente uma única mídia. Esses segmentos são muito relevantes, pois estão presentes em diversos domínios de vídeo, tais como filmes, noticiários e mesmo comerciais. A presente Dissertação de Mestrado propõe uma técnica de segmentação de vídeo capaz de identificar cenas em segmentos semanticamente complexos. Para isso utiliza a semântica latente alcançada com o uso de Bag of Visual Words para agrupar os segmentos de um vídeo. O agrupamento é baseado em multimodalidade, analisando-se características visuais e sonoras de cada vídeo e combinando-se os resultados por meio da estratégia fusão tardia. O presente trabalho demonstra a viabilidade técnica em reconhecer cenas em segmentos semanticamente complexos / Many Computational Science areas (Content Personalization and Adaptation, Information Retrieval, among other) benefit from video segmentation in smaller information units. The literature reports lots of techniques and methods, whose goal is to identify these units. One of these techniques limitations is that they dont handle scene detection in semantically complex segments, which are defined as video snippets that present more than one subject or theme, whose latent semantics can hardly be determined using only one media. Those segments are very relevant, since they are present in multiple video domains as movies, news and even television commercials. This Masters dissertation proposes a video scene segmentation technique able to detect scenes in semantically complex segments. In order to achieve this goal it uses latent semantics extracted by the Bag of VisualWords to group a video segments. This grouping process is based on multimodality, through the visual and aural features analysis, and their results combination using late fusion strategy. This works demonstrates technical feasibility in recognizing scenes in semantically complex segments

Diversas áreas da Computação (Personalização e Adaptação de Conteúdo, Recuperação de Informação, entre outras) se beneficiam da segmentação de vídeo em unidades menores de informação. A literatura apresenta diversos métodos e técnicas cujo objetivo é identificar essas unidades. Uma limitação é que tais técnicas não tratam o problema da detecção de cenas em segmentos semanticamente complexos, definidos como trechos de vídeo que apresentam mais de um assunto ou tema, e cuja semântica latente dificilmente pode ser determinada utilizando-se somente uma única mídia. Esses segmentos são muito relevantes, pois estão presentes em diversos domínios de vídeo, tais como filmes, noticiários e mesmo comerciais. A presente Dissertação de Mestrado propõe uma técnica de segmentação de vídeo capaz de identificar cenas em segmentos semanticamente complexos. Para isso utiliza a semântica latente alcançada com o uso de Bag of Visual Words para agrupar os segmentos de um vídeo. O agrupamento é baseado em multimodalidade, analisando-se características visuais e sonoras de cada vídeo e combinando-se os resultados por meio da estratégia fusão tardia. O presente trabalho demonstra a viabilidade técnica em reconhecer cenas em segmentos semanticamente complexos / Many Computational Science areas (Content Personalization and Adaptation, Information Retrieval, among other) benefit from video segmentation in smaller information units. The literature reports lots of techniques and methods, whose goal is to identify these units. One of these techniques limitations is that they dont handle scene detection in semantically complex segments, which are defined as video snippets that present more than one subject or theme, whose latent semantics can hardly be determined using only one media. Those segments are very relevant, since they are present in multiple video domains as movies, news and even television commercials. This Masters dissertation proposes a video scene segmentation technique able to detect scenes in semantically complex segments. In order to achieve this goal it uses latent semantics extracted by the Bag of VisualWords to group a video segments. This grouping process is based on multimodality, through the visual and aural features analysis, and their results combination using late fusion strategy. This works demonstrates technical feasibility in recognizing scenes in semantically complex segments