Submitted by Marcio Filho (marcio.kleber@ufba.br) on 2017-06-06T13:29:36Z No. of bitstreams: 1 mestrado_luciano.pdf: 1770348 bytes, checksum: 311bfc2531be2f0144b369d6861acb71 (MD5) / Approved for entry into archive by Vanessa Reis (vanessa.jamile@ufba.br) on 2017-06-16T15:08:33Z (GMT) No. of bitstreams: 1 mestrado_luciano.pdf: 1770348 bytes, checksum: 311bfc2531be2f0144b369d6861acb71 (MD5) / Made available in DSpace on 2017-06-16T15:08:33Z (GMT). No. of bitstreams: 1 mestrado_luciano.pdf: 1770348 bytes, checksum: 311bfc2531be2f0144b369d6861acb71 (MD5) / Cada sub-sistema de um robô móvel possui aspectos próprios, que devem estar integrados a fim de capacitar o robô para a realização de uma tarefa particular. Dentre estes sub-sistemas, o sensoriamento é responsável por construir uma representação dos marcos do ambiente a fim de fornecer informações relevantes para a navegação do robô. Em geral, a construção de uma representação do ambiente possui alto custo computacional, devido a inaptidão nas estimativas de medição dos sensores. A proposta deste trabalho é a construção de um sistema de sensoriamento, baseado em fusão de sensores, de baixo custo computacional. O objetivo do sistema é o reconhecimento e localização espacial de objetos. A abordagem para o sistema se baseia na fusão redundante e complementar de dados dos sensores envolvidos (uma câmera e sensores de distância), utilizando Lógica Difusa. Para a classificação e localização dos objetos na imagem, o método de Máquina de Vetores de Suporte é utilizado e os resultados obtidos apontam para um bom desempenho nestas tarefas, com a utiliza¸c˜ao de apenas uma amostra de treinamento e sem qualquer tipo de processamento de imagem prévio. Ao final do processo, uma descrição dos objetos na cena é enviada para o robô, com informações detalhadas sobre cada objeto detectado no quadro considerado. O sistema de sensoriamento proposto ´e aplicado no ambiente de experimentação de futebol de robôs, cujas regras determinam as restrições para a arquitetura do sistema

Submitted by Automação e Estatística (sst@bczm.ufrn.br) on 2018-07-03T13:51:51Z No. of bitstreams: 1 ElionaiMouraCordeiro_DISSERT.pdf: 5123400 bytes, checksum: 64cad460a8333cb5f9cc23b82a4e1c1d (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2018-07-10T14:53:20Z (GMT) No. of bitstreams: 1 ElionaiMouraCordeiro_DISSERT.pdf: 5123400 bytes, checksum: 64cad460a8333cb5f9cc23b82a4e1c1d (MD5) / Made available in DSpace on 2018-07-10T14:53:20Z (GMT). No. of bitstreams: 1 ElionaiMouraCordeiro_DISSERT.pdf: 5123400 bytes, checksum: 64cad460a8333cb5f9cc23b82a4e1c1d (MD5) Previous issue date: 2018-03-22 / Neste trabalho é apresentada a proposta de desenvolvimento de uma metodologia - juntamente com a apresentação dos resultados de sua aplicação - que utiliza uma técnica de aprendizagem de máquina, SVM, para análise automatizada de dados de citometria de fluxo em amostras de ambientes aquáticos, na identificação de bacterioplâncton. As amostras utilizadas na execução desta metodologia foram coletadas em 19 lagos de montanhas de elevada altitude que foram classificados manualmente no Laboratório de Limnologia do Departamento de Oceanografia e Limnologia da UFRN. Previamente, iniciou-se com alguns testes de configuração da função kernel e uma análise quantitativa com base no número médio de acertos na classificação automatizada, na qual percebeu-se que a taxa de erro de predição variou entre 1,86% e 3,35%, em média. Foram realizadas duas etapas de desenvolvimento da metodologia proposta, onde foram criados modelos de predição e realizados uma série de testes com as bases de dados criadas a partir das informações disponíveis. Os resultados obtidos foram expostos a uma série de análises quantitativas e qualitativas, inclusive utilizando PCA para entender a importância de cada variável nos conjuntos de dados das mostras. Para uma avaliação qualitativa da metodologia proposta, foi aplicada uma análise estatística para comparar ambas estratégias de modelos de predição, que tem por base a classificação final apontada pelo algoritmo de Support Vector Machine. / This master tesis shows the proposal to develop a methodology - together with the presentation of the results of its application - that uses a machine learning technique, SVM, for automated analysis of flow cytometry data in samples of aquatic environments, identification of bacterioplankton. The samples used in the execution of this methodology were collected in 19 high altitude mountain lakes that were manually classified in the Laboratory of Limnology of the Department of Oceanography and Limnology of UFRN. Previously, it started with some tests of kernel configuration and a quantitative analysis based on the average number of hits in the automated classification, in which it was noticed that the prediction error rate varied between 1.86 % and 3, 35 % on average. Two stages of development of the proposed methodology were carried out, where prediction models were created and a series of tests were carried out with the databases created from the available information. The results were exposed to a series of quantitative and qualitative analyzes, including using PCA to understand the importance of each variable in the sample data sets. For a qualitative evaluation of the proposed methodology, a statistical analysis was applied to compare both strategies of prediction models, which is based on the final classification indicated by the algorithm of Support Vector Machine.

Made available in DSpace on 2016-01-26T18:56:03Z (GMT). No. of bitstreams: 1 Ronaldo Oikawa.pdf: 3711757 bytes, checksum: 5d13d9ef8b2d092d0bb1a6fe62a73248 (MD5) Previous issue date: 2015-03-16 / The Artificial Neural Networks are nonlinear mathematical models that resemble the human brain, and this ability to learn was applied to recognize the rain patterns in the city of Presidente Prudente, located in the region of Pontal do Paranapanema. Through these calculations, it was possible to indicate another way to rain forecast. This study used two algorithms with supervised learning, the first one the Multiple Layer Network Propagation, with 23 neurons and with one, two and three hidden layers, and the second one the Support Vector Machine (SVM) with polynomial, radial basis function and hyper tangent cores. The set analyzed covers the period from January 1996 to May 2012, collected from Weather Forecast Center and Climate Studies (CPTEC). The results showed that the atmospheric pressure, wind direction, minimum temperature and air relative humidity were the parameters more related with the rain precipitation. The SVM model with base radial function core, using sigma=0.1, showed the best results with Kappa coefficient, equal to 0.675 for first test group, equal to 0.746 to the second test group 0.746 and equal to 0.826 for the third test group. These results demonstrate the data set robustness and allowed achieve high accuracy rate in recognition of rain precipitation. / As Redes Neurais Artificiais são modelos matemáticos não lineares que se assemelham ao cérebro humano, e esta capacidade de aprender foi aplicada no reconhecimento de padrões da chuva na cidade de Presidente Prudente, localizada na região do Pontal do Paranapanema. Através desses cálculos foi possível indicar uma forma alternativa de se reconhecer o padrão da precipitação da chuva. O presente trabalho utilizou dois algoritmos com aprendizagem supervisionada, sendo o primeiro a Rede de Múltipla Camada de Retro Propagação, com 23 neurônios e com uma, duas e três camadas ocultas, já o segundo, a Máquina de Vetor de Suporte (SVM) utilizou o núcleo polinomial, função de base radial e hiper tangente. O conjunto de dados analisados compreende o período de Janeiro de 1996 até Maio de 2012, sendo obtidos do Centro de Previsão de Tempo e Estudos Climáticos (CPTEC). Os resultados demonstraram que a pressão atmosférica, direção do vento, temperatura mínima e umidade relativa do ar são os parâmetros que estão mais relacionados à precipitação da chuva. O modelo SVM, com núcleo função de base radial, utilizando o parâmetro sigma=0,1 obteve os melhores resultados, apresentando o coeficiente Kappa (resposta), igual a 0,675 para o grupo de teste um, 0,746 para o grupo de teste dois e 0,826 para o grupo de teste três. Estes resultados demonstram a robustez do conjunto de dados e permitiram atingir altos índices de acerto no reconhecimento da precipitação da chuva.

Made available in DSpace on 2016-07-18T17:46:20Z (GMT). No. of bitstreams: 1 Ronaldo Oikawa.pdf: 3711757 bytes, checksum: 5d13d9ef8b2d092d0bb1a6fe62a73248 (MD5) Previous issue date: 2015-03-16 / The Artificial Neural Networks are nonlinear mathematical models that resemble the human brain, and this ability to learn was applied to recognize the rain patterns in the city of Presidente Prudente, located in the region of Pontal do Paranapanema. Through these calculations, it was possible to indicate another way to rain forecast. This study used two algorithms with supervised learning, the first one the Multiple Layer Network Propagation, with 23 neurons and with one, two and three hidden layers, and the second one the Support Vector Machine (SVM) with polynomial, radial basis function and hyper tangent cores. The set analyzed covers the period from January 1996 to May 2012, collected from Weather Forecast Center and Climate Studies (CPTEC). The results showed that the atmospheric pressure, wind direction, minimum temperature and air relative humidity were the parameters more related with the rain precipitation. The SVM model with base radial function core, using sigma=0.1, showed the best results with Kappa coefficient, equal to 0.675 for first test group, equal to 0.746 to the second test group 0.746 and equal to 0.826 for the third test group. These results demonstrate the data set robustness and allowed achieve high accuracy rate in recognition of rain precipitation. / As Redes Neurais Artificiais são modelos matemáticos não lineares que se assemelham ao cérebro humano, e esta capacidade de aprender foi aplicada no reconhecimento de padrões da chuva na cidade de Presidente Prudente, localizada na região do Pontal do Paranapanema. Através desses cálculos foi possível indicar uma forma alternativa de se reconhecer o padrão da precipitação da chuva. O presente trabalho utilizou dois algoritmos com aprendizagem supervisionada, sendo o primeiro a Rede de Múltipla Camada de Retro Propagação, com 23 neurônios e com uma, duas e três camadas ocultas, já o segundo, a Máquina de Vetor de Suporte (SVM) utilizou o núcleo polinomial, função de base radial e hiper tangente. O conjunto de dados analisados compreende o período de Janeiro de 1996 até Maio de 2012, sendo obtidos do Centro de Previsão de Tempo e Estudos Climáticos (CPTEC). Os resultados demonstraram que a pressão atmosférica, direção do vento, temperatura mínima e umidade relativa do ar são os parâmetros que estão mais relacionados à precipitação da chuva. O modelo SVM, com núcleo função de base radial, utilizando o parâmetro sigma=0,1 obteve os melhores resultados, apresentando o coeficiente Kappa (resposta), igual a 0,675 para o grupo de teste um, 0,746 para o grupo de teste dois e 0,826 para o grupo de teste três. Estes resultados demonstram a robustez do conjunto de dados e permitiram atingir altos índices de acerto no reconhecimento da precipitação da chuva.

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.

Submitted by Natalia de Souza Gonçalves (natalia.goncalves@ufpe.br) on 2015-05-08T14:39:08Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) MestradoRobson_versao_posbanca_v8.pdf: 2916922 bytes, checksum: 69519207e681c79847392599f7417664 (MD5) / Made available in DSpace on 2015-05-08T14:39:08Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) MestradoRobson_versao_posbanca_v8.pdf: 2916922 bytes, checksum: 69519207e681c79847392599f7417664 (MD5) Previous issue date: 2014-11-14 / Nos últimos anos, o tráfego de dados nas redes celulares tem crescido exponencialmente devido ao aumento do número de dispositivos móveis. Neste cenário, os modelos de predição de sinais de rádio frequência podem ser utilizados na otimização da rede e na criação de novos serviços. Os modelos de predição mais utilizados são os modelos do tipo empírico, tais como o Okumura-Hata, Ericsson 9999, COST-231 e ECC-33. No entanto, esses modelos não apresentam bons resultados quando aplicados a ambientes urbanos. Neste trabalho, é proposto um método de predição de sinais de rádio frequência utilizando máquinas de vetores de suporte. Na implementação da máquina de vetor de suporte, os kernels Laplaciano, Gaussiano e Polinomial foram testados. Todas as implementações tiveram desempenho superior aos modelos empíricos tradicionais. Por último, a melhor configuração, obtida com o kernel Laplaciano, foi selecionada e aplicada no contexto de geolocalização de terminais móveis em redes celulares. Os resultados obtidos indicaram um erro médio de localização em torno de uma ordem de grandeza menor do que o erro obtido por meio de técnicas de trilateração de potência.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-09-04T17:47:07Z No. of bitstreams: 1 MarcusLopes.pdf: 2085041 bytes, checksum: 14f6f9bbe0d5b050a23103874af8c783 (MD5) / Made available in DSpace on 2017-09-04T17:47:07Z (GMT). No. of bitstreams: 1 MarcusLopes.pdf: 2085041 bytes, checksum: 14f6f9bbe0d5b050a23103874af8c783 (MD5) Previous issue date: 2017-07-26 / The growing demand for energy and the limitations of oil reserves have led to the search for renewable and sustainable energy sources to replace, even partially, fossil fuels. Biodiesel has become in last decades the main alternative to petroleum diesel. Its quality is evaluated by given parameters and specifications which vary according to country or region like, for example, in Europe (EN 14214), US (ASTM D6751) and Brazil (RANP 45/2014), among others. Some of these parameters are intrinsically related to the composition of fatty acid methyl esters (FAMEs) of biodiesel, such as viscosity, density, oxidative stability and iodine value, which allows to relate the behavior of these properties with the size of the carbon chain and the presence of unsaturation in the molecules. In the present work four methods for direct classification (support vector machine, K-nearest neighbors, decision tree classifier and artificial neural networks) were optimized and compared to classify biodiesel samples according to their compliance to viscosity, density, oxidative stability and iodine value, having as input the composition of fatty acid methyl esters, since those parameters are intrinsically related to composition of biodiesel. The classifi- cations were carried out under the specifications of standards EN 14214, ASTM D6751 and RANP 45/2014. A comparison between these methods of direct classification and empirical equations (indirect classification) distinguished positively the direct classification methods in the problem addressed, especially when the biodiesel samples have properties values very close to the limits of the considered specifications. / A demanda crescente por fontes de energia renováveis e como alternativa aos combustíveis fósseis tornam o biodiesel como uma das principais alternativas para substituição dos derivados do petróleo. O controle da qualidade do biodiesel durante processo de produção e distribuição é extremamente importante para garantir um combustível com qualidade confiável e com desempenho satisfatório para o usuário final. O biodiesel é caracterizado pela medição de determinadas propriedades de acordo com normas internacionais. A utilização de métodos de aprendizagem de máquina para a caracterização do biodiesel permite economia de tempo e dinheiro. Neste trabalho é mostrado que para a determinação da conformidade de um biodiesel os classificadores SVM, KNN e Árvore de decisões apresentam melhores resultados que os métodos de predição de trabalhos anteriores. Para as propriedades de viscosidade densidade, índice de iodo e estabilidade oxidativa (RANP 45/2014, EN14214:2014 e ASTM D6751-15) os classificadores KNN e Árvore de decisões apresentaram-se como melhores opções. Estes resultados mostram que os classificadores podem ser aplicados de forma prática visando economia de tempo, recursos financeiros e humanos.

Submitted by Emerson Leão Júnior null (emerson.leaojr@gmail.com) on 2017-12-05T18:07:16Z No. of bitstreams: 1 leao_ej_me_prud.pdf: 4186679 bytes, checksum: ee186b23411343c3e2d782d622226699 (MD5) / Approved for entry into archive by ALESSANDRA KUBA OSHIRO null (alessandra@fct.unesp.br) on 2017-12-06T10:52:22Z (GMT) No. of bitstreams: 1 leaojunior_e_me_prud.pdf: 4186679 bytes, checksum: ee186b23411343c3e2d782d622226699 (MD5) / Made available in DSpace on 2017-12-06T10:52:22Z (GMT). No. of bitstreams: 1 leaojunior_e_me_prud.pdf: 4186679 bytes, checksum: ee186b23411343c3e2d782d622226699 (MD5) Previous issue date: 2017-04-25 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Considerando o cenário durante a crise hídrica de 2014 e a situação crítica dos reservatórios do sistema Cantareira no estado de São Paulo, este estudo realizado no reservatório Jaguari-Jacareí, consistiu na extração de informações a partir de imagens multiespectrais e análise da qualidade da informação relacionada com a acurácia no cálculo do volume de água do reservatório. Inicialmente, a superfície do espelho d’água foi obtida pela classificação da cobertura da terra a partir de imagens multiespectrais RapidEye tomadas antes e durante a crise hídrica (2013 e 2014, respectivamente), utilizando duas abordagens distintas: classificação orientada a objeto (Object-based Image Analysis - OBIA) e classificação baseada em pixel (Support Vector Machine – SVM). A acurácia do usuário por classe permitiu expressar o erro para detectar a superfície do espelho d’água para cada abordagem de classificação de 2013 e 2014. O segundo componente da estimação do volume foi a representação do relevo submerso, que considerou duas fontes de dados na construção do modelo numérico do terreno (MNT): dados topográficos provenientes de levantamento batimétrico disponibilizado pela Sabesp e o modelo de superfície AW3D30 (ALOS World 3D 30m mesh), para complementar a informação não disponível além da cota 830,13 metros. A comparação entre as duas abordagens de classificação dos tipos de cobertura da terra do entorno do reservatório Jaguari-Jacareí mostrou que SVM resultou em indicadores de acurácia ligeiramente superiores à OBIA, para os anos de 2013 e 2014. Em relação à estimação de volume do reservatório, incorporando a informação do nível de água divulgado pela Sabesp, a abordagem SVM apresentou menor discrepância relativa do que OBIA. Apesar disso, a qualidade da informação produzida na estimação de volume, resultante da propagação da variância associada aos dados envolvidos no processo, ambas as abordagens produziram valores similares de incerteza, mas com uma sutil superioridade de OBIA, para alguns dos cenários avaliados. No geral, os métodos de classificação utilizados nesta dissertação produziram informação acurada e adequada para o monitoramento de recursos hídricos e indicou que a abordagem SVM teve um desempenho sutilmente superior na classificação dos tipos de cobertura da terra, na estimação do volume e em alguns dos cenários considerados na propagação da incerteza. / This study aims to extract information from multispectral images and to analyse the information quality in the water volume estimation of Jaguari-Jacareí reservoir. The presented study of changes in the volume of the Jaguari-Jacareí reservoir was motivated by the critical situation of the reservoirs from Cantareira System in São Paulo State caused by water crisis in 2014. Reservoir area was extracted from RapidEye multispectral images acquired before and during the water crisis (2013 and 2014, respectively) through land cover classification. Firstly, the image classification was carried out in two distinct approaches: object-based (Object-based Image Analysis - OBIA) and pixel-based (Support Vector Machine - SVM) method. The classifications quality was evaluated through thematic accuracy, in which for every technique the user accuracy allowed to express the error for the class representing the water in 2013 and 2014. Secondly, we estimated the volume of the reservoir’s water body, using the numerical terrain model generated from two additional data sources: topographic data from a bathymetric survey, available from Sabesp, and the elevation model AW3D30 (to complement the information in the area where data from Sabesp was not available). When compare the two classification techniques, it was found that in the image classification, SVM performance slightly overcame the OBIA classification technique for 2013 and 2014. In the volume calculation considering the water level estimated from the generated DTM, the result obtained by SVM approach was better in 2013, whereas OBIA approach was more accurate in 2014. Considering the quality of the information produced in the volume estimation, both approaches presented similar values of uncertainty, with the OBIA method slightly less uncertain than SVM. In conclusion, the classification methods used in this dissertation produced accurate information to monitor water resource, but SVM had a subtly superior performance in the classification of land cover types, volume estimation and some of the scenarios considered in the propagation of uncertainty.

This thesis presents a new model to protein function prediction using support vector machines, a machine learning approach trained using structural parameters calculated from protein tertiary structure. The model is different from the others paradigms because it is not necessary to search for similarities against the others known proteins in public databases by alignments. In this way, the model is able to associate functional relationships among proteins with no similarities and it could be used when all other methods fail or when the user don t want to use the concept of similarity in function predictions. The proof that the model is valid was accomplished analyzing its performance with unknown proteins, i.e proteins not used in the training set. The validation approach used a set of binding proteins. / Fundação de Amparo a Pesquisa do Estado de Alagoas / Este trabalho apresenta um novo modelo capaz de prever a função de proteínas utilizando máquinas de vetor de suporte, um método de aprendizagem de máquina treinado usando parâmetros estruturais calculados a partir da conformação espacial da própria proteína. O modelo difere do paradigma comum de predição por não ser necessário calcular similaridades por meio de alinhamentos entre a proteína que se deseja prever a função e as proteínas de função conhecida presentes nos bancos de dados públicos. Dessa forma, o modelo é capaz de associar função às proteínas que não possuem qualquer semelhança com proteínas conhecidas, podendo ser usado quando todos os outros métodos falham ou quando não se deseja utilizar o conceito de similaridade na predição da função. A justificativa de que o modelo é válido foi realizada analisando sua performance ao prever funções de proteínas desconhecidas, proteínas não usadas no treinamento, utilizando como estudo de caso um conjunto de proteínas de ligação.

Submitted by Kilvya Braga (kilvyabraga@hotmail.com) on 2018-05-15T12:49:12Z No. of bitstreams: 1 LEONARDO MELO DE MEDEIROS - TESE (PPGCC) 2016.pdf: 2301452 bytes, checksum: e08b1ce490fde57cff30bef5cb8e5b0e (MD5) / Made available in DSpace on 2018-05-15T12:49:12Z (GMT). No. of bitstreams: 1 LEONARDO MELO DE MEDEIROS - TESE (PPGCC) 2016.pdf: 2301452 bytes, checksum: e08b1ce490fde57cff30bef5cb8e5b0e (MD5) Previous issue date: 2016-06-03 / Capes / Os Sistemas de Monitoramento da Saúde (SMS) possibilitam aos médicos obterem informações sobre o estado de saúde de seus pacientes. Além disso, as identificações dos sintomas das doenças podem auxiliar no diagnóstico precoce e prevenir a ocorrência de situações críticas. Para acompanhar e avaliar a saúde motora de um paciente, é necessário realizar uma avaliação motora por meio de movimentos específicos. Isto dificulta a concepção de um SMS de dados motores não-invasivo e engajados na rotina diária dos pacientes. A abordagem apresentada nesta tese, utiliza os jogos eletrônicos como fator motivacional para o fornecimento dos dados motores. Durante o jogo, o usuário é induzido a executar movimentos relevantes, de modo que um sensor de movimento possa adquiri-los e quantificá-los. Este ambiente lúdico, de jogo eletrônico, abstrai o usuário do contexto de tratamento da saúde e incentiva a execução dos movimentos de uma maneira mais natural do que a imposta por um exame clínico. Para avaliar esta abordagem, foi desenvolvido um jogo com a arquitetura proposta para identificar sintomas motores relacionadas com a Doença de Parkinson. Num estudo de caso controle, foram avaliados os movimentos angulares dos braços para quantificar as habilidades motoras desses grupos. Os dados coletados foram processados e aplicados a uma Máquina de Vetor de Suporte(SVM) para classificar a ocorrência do sintoma da bradicinesia do Parkinson. Obteve-se uma classificação com uma acurácia de 86,67% e falsos positivos de6,67%. Além disso, em um experimento para avaliação da aceitação dos usuários, 90% ficaram motivados com o jogo desenvolvido e afirmaram que integrariam o SMS em sua rotina diária. Estes resultados demonstram que a abordagem de monitoramento baseado em jogos, apresentada nesta tese, tem potencial para ser um SMS para monitoramentos dos sintomas motores. / Health Monitoring Systems (HMS) allow doctors to gain a better picture of their patient’s health status. An early identification of symptoms can support the disease’s diagnostic and prevent critical situations. In order to monitor a patient’s motor abilities, it is necessary to record and evaluate specific movements. This makes it difficult to design a HMS that non-obtrusively integrates into the patient’s daily routine. The approach presented in this thesis makes use of the motivational power of electronic games. While playing the game, the user is incited to make the relevant movements, so that an optical sensor can detect and measure them. The playful situation distracts the user from thinking about health issues and therefore encourages more natural movements with improved validity for a health examination. To evaluate this approach, a game has been developed and employed to detect Parkinson related motor symptoms. In a study with patients diagnosed as affected by the Parkinson Disease and a healthy control group, the angular movements of the arms were used to measure motor abilities. The data was then processed and applied to a Support Vector Machine (SVM) to predict, based on the detected movements, whether a subject shows Parkinson related symptoms or should be classified as healthy. The system classified the subjects with an accuracy of 86.67% and arate of 6.67% false positives. Furthermore, the use racceptance of the game-based approach was studied and showed that 90% of the users felt motivated to play the game as part of their daily routine. These results demonstrate that the game-based approach presented in this thesis has the potential to become a base for HMS that monitor motor symptoms.