É muito comum hoje em dia a conversa entre duas pessoas que usam como meio de comunicação seus computadores, os quais, na maioria das vezes, possuem minicâmeras acopladas, possibilitando que os interlocutores se vejam e tornando o contato mais próximo. Esta aplicação é chamada de videoconferência e teve seu uso difundido, principalmente, pela evolução da Internet. Entretanto, a transmissão de dados de vídeo via rede é um trabalho pesado e pode gerar, por exemplo, a falta de sincronia entre imagem e som que é causada pela demora na transmissão das imagens devido ao tamanho de cada arquivo. Para minimizar este efeitos a solução encontrada foi a utilização de técnicas de compactação de vídeo para diminuir o tamanho do conteúdo a ser enviado e consequentemente o tempo envolvido nesta transmissão. Na década de 80 surgiu uma técnica de compressão cuja promessa era conseguir uma taxa de compactação jamais alcançada e que por este motivo seria ideal para vídeoconferências. Esta técnica foi chamada de Codificação Baseada em Modelos. Este trabalho aplica a Codificação de Vídeo Baseada em Modelos no reconhecimento de imagens compostas de cabeça e ombro de videoconferencistas. O objetivo principal é a identificação e reconhecimento de algumas características faciais: olhos, narinas, boca e também da cabeça e face onde estes elementos estão. Os dados obtidos são utilizados na adaptação de alguns parâmetros de um modelo wire-frame de face chamado Candide. O resultado é a verificação da possibilidade de uso da Codificação Baseada em Modelos em vídeoconferências e a proposta de solução de um problema nem sempre resolvido na literatura: a localização inicial das características faciais acima citadas.

Este trabalho investiga o problema de reconhecimento de faces utilizando Sistemas de Reconhecimento Facial (SRFs) baseados na extração de características via técnicas de autovetores, objetivando propor combinações dessas técnicas, comparar o desempenho em situações de interesse e analisar o comportamento de redes neurais como classificador. Para extração de características são utilizadas as técnicas Linear Discrimiant Analysis (LDA) e Principal Component Analysis (PCA). Inicialmente, de modo a explicar o problema de reconhecimento de faces, é apresentada uma breve revisão sobra a literatura relativa ao tema, destacando-se os trabalhos Goudail et alii (1996) e Neto (1997) que são fundamentais para as propostas desenvolvidas na presente dissertação. Na seqüência, de modo a analisar detalhadamente as técnicas utilizadas nestes trabalhos, os sistemas de reconhecimento facial são divididos em três etapas, a saber, descrição da face, extração de características e classificação. A seguir, é formado o banco de dados ITA, contendo 400 imagens faciais de pessoas da Divisão de Engenharia Eletrônica do Instituto Tecnológico de Aeronáutica (ITA), e o sistema de aquisição de imagens utilizado na sua construção são apresentados. Este banco de dados ORL (Samaria, 1994) são utilizados nas avaliações de desempenho com o objetivo de testar os métodos e o comportamento destes a variações nas disposições das faces presentes em cada base de dados. Na seqüência, o SRF baseado em LDA (SRF-LDA) é implementado. Os resultados da avaliação dos bancos de dados mostram um desempenho satisfatório. Com o objetivo de comparação, o mesmo procedimento é realizado para o SRF baseado em PCA (SRF-PCA), concluindo-se que melhor desempenho é obtido no SRF-LDA. Em seguida propõe-se um SRF que utiliza uma combinação das técnicas LDA e PCA (SRF+PCA+LDA). Esta combinação utiliza extração de características com descrição da face através de vetores de intensidade de pixel, realiza um mapeamento que otimiza a relação de distâncias interclasse e intraclasse, diminui o número de coeficientes necessários para se representar uma face e melhora o desempenho de processo de reconhecimento. Finalmente, uma vez que rede neural é classicamente utilizada como classificador, propõe-se sua utilização tanto no SRF-PCA, quanto para o SRF-PCA+LDA. O classificador baseado em redes neurais melhora o desempenho do reconhecimento em ambos os casos.

Os impactos ambientais e na saúde ocupacional provenientes das atividades desenvolvidas no setor metal-mecânico têm forçado esta área a reduzir o uso de fluidos de corte e de lubrificantes a base de óleos minerais. Uma alternativa ambientalmente favorável é a substituição dos óleos minerais por óleos vegetais e seus derivados, pois estes são provenientes de fontes renováveis e apresentam excelente poder lubrificante. Neste trabalho, foram caracterizados, do ponto de vista físico-químico e tribológico, os óleos de amendoim e pinhão-manso e seus respectivos derivados transesterificados. Como os ensaios físico-químicos comumente aplicados a óleos vegetais são regulamentados pelo setor alimentício, a seleção dos principais ensaios físico-químicos necessários para caracterizar o desempenho lubrificante de um óleo vegetal foi conduzida a partir de técnicas de análise estatística multivariada e de reconhecimento de padrões, as quais possibilitaram a seleção dos principais parâmetros físico-químicos e tribológicos relacionados com a capacidade lubrificante. Os ensaios tribológicos indicaram que os óleos de amendoim e o de pinhão produzem um menor desgaste em substrato de alumínio que seus derivados transesterificados. Os resultados das análises multivariadas utilizando métodos hierárquicos e não hierárquicos indicaram a existência de três grupos, sendo que os óleos vegetais apresentaram um desempenho lubrificante melhor que os derivados. A adição de 10% do derivado no óleo vegetal diminuiu o coeficiente médio de atrito, podendo ser empregado como aditivo anti-desgaste. Apesar dos resultados positivos, os ensaios fisico-quimicos comprovam a necessidade de adição de compostos antioxidantes para garantir maior tempo de vida ao lubrificante de base vegetal.

A detecção e reconhecimento de objetos é uma tarefa fundamental em aplicações relacionadas à navegação autônoma de robôs móveis e veículos inteligentes. Com a evolução tecnológica nos sistemas sensoriais, surgiram equipamentos capazes de detectar e representar os elementos presentes no ambiente de forma tridimensional, em estruturas chamadas nuvem de pontos. Os sensores 3D geralmente capturam um grande volume de pontos em curtos intervalos de tempo, o que demanda técnicas robustas para processamento dessa informação além de tolerância a eventuais ruídos nos dados. Uma abordagem frequentemente utilizada na área de Visão Computacional para redução de dimensionalidade é a extração de features robustas, armazenando um subconjunto de informações representativas e simplificadas do conjunto de dados. Esta tese apresenta uma metodologia de classificação de objetos em nuvens de pontos 3D através da extração de features 3D globais. Foi desenvolvido um novo descritor 3D invariante à escala, translação e rotação denominado 3D-CSD (3D-Contour Sample Distances) para representação da superfície dos objetos presentes no ambiente, e utilizado um método de aprendizado supervisionado para reconhecimento de padrões. Os experimentos realizados envolveram o uso de Redes Neurais Artificiais para o reconhecimento de diferentes classes de objetos, avaliando e validando a metodologia proposta. Os resultados obtidos demostraram a viabilidade da aplicação desta abordagem para o reconhecimento de objetos em sistemas de percepção 3D. / Objects detection and recognition is a critical task in applications for mobile robots and intelligent vehicles autonomous navigation. With the advent of many 3D sensors, environment elements can be detected and represented in three-dimensional mode, in structures known as point clouds. 3D sensors usually capture a large amount of points at high rates, requiring robust techniques to process this information and also deal with noise on input data. A common approach in the Computer Vision field for dimensionality reduction is the use of robust features extraction techniques. This way, only a subset with representative and simplified information from the dataset is processed. This thesis presents a methodology for objects recognition in 3D point clouds using global 3D features extraction. A novel 3D descriptor invariant to scale, translation and rotation named 3D-CSD (3D-Contour Sample Distances) was developed to represent the objects surface, and a supervised learning method used for pattern recognition. The experiments were performed using Artificial Neural Networks for the recognition of different classes of objects, evaluating and validating the proposed methodology. Obtained results demonstrated the feasibility of this approach application for object recognition in 3D perception systems.

Este trabalho propõe uma alternativa para o problema de classificação de espécies de abelhas a partir da implementação de um algoritmo com base na Morfométria Geométrica e estudo das Formas dos marcos anatômicos das imagens obtidas pelas asas das abelhas. O algoritmo implementado para este propósito se baseia no algoritmo dos k-Vizinho mais Próximos (do inglês, kNN) e na Lógica Fuzzy kNN (Fuzzy k-Nearest Neighbor) aplicados a dados analisados e selecionados de pontos bidimensionais referentes as características geradas por marcos anatômicos. O estudo apresentado envolve métodos de seleção e ordenação de marcos anatômicos para a utilização no algoritmo por meio da implementação de um método matemático que utiliza o calculo dos marcos anatômicos mais significativos (que são representados por marcos matemáticos) e a formulação da Ordem de Significância onde cada elemento representa variáveis de entrada para a Fuzzy kNN. O conhecimento envolvido neste trabalho inclui uma perspectiva sobre a seleção de características não supervisionada como agrupamentos e mineração de dados, analise de pré-processamento dos dados, abordagens estatísticas para estimação e predição, estudo da Forma, Analise de Procrustes e Morfométria Geométrica sobre os dados e o tópico principal que envolve uma modificação do algoritmo dos k- Vizinhos mais Próximos e a aplicação da Fuzzy kNN para o problema. Os resultados mostram que a classificação entre amostras de abelhas no seu próprio grupo apresentam acuracia de 90%, dependendo da espécie. As classificações realizadas entre as espécies de abelhas alcançaram acuracia de 97%. / This work presents a proposal to solve the bees classification problem by implementing an algorithm based on Geometrics Morphometrics and the Shape analysis of landmarks generated from bees wings images. The algorithm is based on the K-Nearest Neighbor (K-Nearest Neighbor) algorithm and Fuzzy Logic KNN applied to the analysis and selection of two-dimensional data points relating to landmarks. This work is part of the Architecture Reference Model for Automatic identification and Taxonomic Classification System of Stingless Bee using the Wing Morphometry. The study includes selection and ordering methods for landmarks used in the algorithm by developing a mathematical model to represent the significance order, generating the most significant mathematical landmarks as input variables for Fuzzy Logic kNN. The main objective of this work is to develop a classification system for bee species. The knowledge involved in the development of this work include an overview of feature selection, unsupervised clustering and data mining, analysis of data pre-processing, statistical approaches for estimation and prediction, study of Shape, Procrustes Analysis on data that comes from Geometric Morphometry and the modification of the k-Nearest Neighbors algorithm and the Fuzzy Logic kNN. The results show that the classification in bee samples of the same species presents a accuracy above 90%, depending on the specie in analysis. The classification done between the bees species reach accuracies of 97%.

A crescente perda mundial de biodiversidade tem sido uma das preocupações da comunidade científica internacional que motivaram a criação em 1992 da Convenção sobre a Diversidade Biológica, tornando-se um tratado de compromisso aceito pelos governantes de 187 países e pela Comunidade Européia. A redução da biodiversidade, devido a vários fatores, como a ação antrópica e o aquecimento global, compromete a capacidade do planeta de sustentação da vida humana em face do esgotamento dos recursos e serviços por ela prestados. A conservação e uso sustentável da biodiversidade passa necessariamente pela aquilatação e conhecimento das espécies. Entre essas espécies as abelhas polinizadoras têm merecido especial atenção, pois a polinização das plantas é um serviço de ecossistema muito importante. Cerca de três quartos das mais de 240 mil espécies de plantas do mundo dependem de polinizadores e estima-se que as abelhas sejam responsáveis por mais de 70% do serviço global de polinização. Existem quase 20.000 espécies de abelhas descritas no mundo. No Brasil são conhecidas quase 400 espécies de abelhas (cerca de 300 são abelhas sem ferrão) e o número estimado é de mais de 3.000 espécies. No entanto, este enorme esforço taxonômico a ser realizado pode estar comprometido pelo impedimento taxonômico reconhecido na Declaração de Darwin de 1988 pela ONU. Uma contribuição para minimizar o impedimento taxonômico pode ser dada pelo desenvolvimento de sistemas automatizados de apoio à decisão de identificação. Os sistemas de identificação existentes são proprietários, ou foram desenvolvidos para grupo específicos de espécies e muitas vezes não são integrados. Este trabalho com foco na identificação de abelhas, notadamente nas abelhas sem ferrão, que apresentam redução da venação das asas, apresenta um modelo de sistema baseado em computador para automatizar o processo de identificação de abelhas com uma abordagem de reconhecimento de padrões. Um modelo de sistema denominado ABeeS (Automated Bee Identification System) incorpora o conhecimento especializado para o reconhecimento automatizado de abelhas usando a imagem das asas. O modeloproposto apresenta as funcionalidades de um sistema de identificação de abelhas com o modelo de Caso de Uso e o fluxo de dados entre as atividades do processo de identificação com o modelo do Fluxo de Dados. Um modelo de banco de dados denominado Banco Entomológico de Espécies de Abelhas (BEE) foi proposto para armazenamento de resultados, treinamento e otimização do sistema ABeeS. Para levantar requisitos e avaliar a proposta foram desenvolvidos protótipos de partes do modelo no Labview, um ambiente de programação gráfica, que disponibiliza uma plataforma de visão computacional para aplicações de reconhecimento de padrões usando o método de correspondência de padrões (pattern matching). Um protótipo envolveu uma ferramenta para a definição dos marcos anatômicos nas imagens-padrão. Outro envolveu os resultados da extração automática dos marcos anatômicos e evidenciou que mostram que a capacidade do ABeeS em localizar automaticamente os gabaritos (template) dos marcos anatômicos na imagem da asa em análise depende do conhecimento especializado transferido para o sistema. Este conhecimento contribui para a seleção de uma região do entorno do marco anatômico para formação da imagem-gabarito. A definição precisa da área é muito importante para a acurácia do reconhecimento automatizado do marco anatômico. O ajuste dos parâmetros de treinamento e a qualidade da imagem da asa de abelha são determinantes para extração das características corretas. Parte integrante do modelo são algoritmos de classificação supervisionados, como o FNN4Bees desenvolvido no Laboratório de Automação Agrícola da POLI-USP, e que apresentou resultados satisfatórios. Este trabalho contribui com uma sistematização do processo de identificação de abelhas, servindo de guia para usuários dessa técnica, e o modelo obtido poderá ser utilizado para a implementação de um sistema real, na continuidade dos trabalhos. / The growing worldwide loss of biodiversity has been a concern to the international scientific community that motivated the creation of the Convention on Biological Diversity in 1992, which turned into a commitment treaty accepted by governments of 187 countries and the European Community. The reduction of biodiversity due to several factors, such as anthropic action and global warming, compromises the ability of the planet to sustain human life in face of the exhaustion of the resources and services it provides. Conservation and the sustainable use of biodiversity necessarily involve species knowledge and assessment. Among these species, pollinating bees have deserved special attention because plant pollination is an important ecosystem service. Nearly three quarters of more than 240,000 plant species depend on pollinators around the world and bees are estimated to account for more than 70% of the overall pollination service. There are nearly 20,000 bee species described in the world. Brazil is known to have nearly 400 bee species (about 300 are stingless bees) and the estimated number is over 3,000 species. However, this huge taxonomic effort to be performed may be compromised by the taxonomic impediment recognized by the UN in the Darwin Declaration in 1988. A contribution to minimize the taxonomic impediment may be given by the development of automated systems to support classification decision. Existing identification systems are proprietary, or were developed for specific groups of species and are often non-integrated. This study focused on bee classification, especially stingless bees that have reduced wing venation; a model for a computer-based system to automate the bee identification process using a pattern recognition approach is presented. A model of the system called ABeeS (Automated Bee Identification System) incorporates the expertise for the automated recognition of bees using wing images. The model presents the functionalities of the bee identification system with the Use Case model and data flow between the activities of the identification process with the Data Flow model. A database model called Bee Entomological Database (BEE) has been proposed for storage of results, training and for ABeeS system optimization. For requirements elicitation and evaluation, the proposal prototypes of parts of the model were developed in Labview, a graphical programming environment that provides a platform for computer vision applications of pattern recognition using the pattern matching method. One prototype uses a tool for defining the landmarks in the template-images. Another uses the results of the automatic extraction of landmarks that show the ability of ABeeS to automatically locate the templates of landmarks in the wing image under analysis, which depends on the expertise transferred to the system. This knowledge contributes to the selection of a region surrounding the anatomical landmark for the formation of the template. The precise definition of the area is very important for the accuracy of automated recognition of anatomical landmark. The adjustment of training parameters and image quality of the bee wing are crucial for extracting the right features. Part of the model is supervised classification algorithms, such as FNN4Bees developed in the Agricultural Automation Laboratory of POLI-USP, and presents satisfactory results. This work contributes to the systematization of the bee identification process, serving as a guide for users of this technique, and the model obtained can be used to implement a real system, in further work.

O objetivo deste trabalho é apresentar algoritmos aplicados para extração de características invariantes à rotação em imagens de impressões digitais. No pré-processamento da imagem utiliza-se detecção de bordas pelo detector de Canny tendo como resultado uma imagem binarizada e afinada. Na extração das minúcias a metodologia adotada é o número de cruzamentos (CN), que extrai os aspectos locais, tais como, as minúcias fim de linha e bifurcações. A direção das cristas locais não é utilizada porque nas imagens rotacionadas a condição de permanência das propriedades biométricas não são satisfeitas. A comparação das impressões digitais utiliza os vetores gerados pela extração de minúcias considerando a posição (x,y) da minúcia armazenada em um vetor por tipo de minúcia (um vetor para crista final e outro vetor para crista bifurcada) e calculando a distância Euclidiana dessa posição (x,y) ao centro de massa da distribuição de minúcias para cada tipo de minúcia. Assim, as duas imagens são similares quando a distância Euclidiana entre os vetores de cada imagem e por tipo de minúcia forem mínimas. São discutidas as limitações de outros trabalhos existentes envolvendo rotação, translação e distorção da imagem de impressão digital, mostrando que os poucos trabalhos que tratam o problema possuem resultados não satisfatórios. Os maiores problemas ocorridos foram a extração de minúcias espúrias, mas foram resolvidos com os métodos sugeridos por Dixon (1979), tendo resultados satisfatórios em duas metodologias. No método média, a precisão para encontrar uma imagem foi de 100%, duas imagens 97,32%, três imagens 92,35%, quatro imagens 86,41% e cinco imagens 71,86%. E no método normal, a precisão para encontrar uma imagem foi de 100%, duas imagens 99,20%, três imagens 96,95%, quatro imagens 94,00% e cinco imagens 76,43%. / The objective of this research is to present algorithms that can be applied in fingerprints images in order to extract certain features, which are invariant to an likely rotation in the given image. In the preprocessing stage, the Canny border detector is used, resulting in a binary, fine tuned image. For the minutiae extraction, the crossing number method is used, which extracts local aspects such as minutiae endings and bifurcations. The direction of local ridges is ignored because, in rotated images, the permanence conditions of the biometric attributes are not fulfilled. The process of matching fingerprints uses two arrays (one for ridge endings and the other for bifurcations), which are generated by the extraction of the minutiae, considering the (x,y) coordinate of the given minutiae stored in the arrays, and calculating its Euclidian distance relating to the center of mass of the minutiae distribution, for each of its types (ending or bifurcation). Thus, both images are similar when the Euclidian distance between the arrays of each image, distinct by the type of each minutiae, is minimal. The limitations of other pieces of research works concerning fingerprint image rotation, translation and distortion are discussed, indicating that the only few ones that deal with these kinds of problems give unsatisfactory results.

Um novo método para avaliação do tamanho de gotas de chuva e sua distribuição é apresentado. O método é baseado no processamento de imagens com o uso da transformada de Hough circular em conjunto com as técnicas de Backmapping e análise de vizinhança. Esta metodologia trás vantagens, uma vez que viabiliza medidas diretas e de forma automática para identificação e contagem de gotas de chuva. A calibração do método foi desenvolvida utilizando padrões de gotas conhecidos. Gotas, na faixa de 1 &#956m a 85 mm de diâmetro, foram automaticamente reconhecidas e medidas com sucesso. Resultados mostram erro médio percentual não maior que 3,61%. Adicionalmente é apresentado uma comparação de resultados obtidos com um método de análise de correlação em frequência e contagem direta. Resultados mostram a potencialidade da metodologia desenvolvida para aplicações agrícolas. / A new method for evaluating raindrop size and distribution has been developed. It is based on image processing with circular Hough fast transform composed with the Backmapping and neighborhood analysis techniques. This methodology has the advantage of being a direct measurement method that automatically identifies and counts raindrops. Calibration was carried out using standard patterns with known raindrop sizes. Drops sizes ranging from 1 &#956m sizes to 85 mm in diameter has been automatically recognized and successfully measured. Results show perceptual average error not larger than 3,61%. In addition a comparison of results with the correlation analysis in the frequency domain and directed counts methods are presented. Results show the suitability of developed methodology.

Esta tese apresenta o Corisco, um método para estimar a orientação de uma câmera a partir de uma única imagem capturada de um ambiente antrópico. O Corisco foi desenvolvido com o objetivo de atender às necessidades de aplicações de Robótica Móvel e da análise de grandes conjuntos de imagens, o que significa que o método deve não só apresentar um bom desempenho computacional, mas também deve poder utilizar diferentes modelos de câmera, permitir realizar um comprometimento entre a velocidade de cálculo e acurácia dos resultados, e ainda deve poder tanto aproveitar estimativas iniciais da solução, quanto dispensá-las. O Corisco apresenta todas estas características. Os ambientes considerados possuem um sistema referencial natural com três eixos ortogonais, e contêm conjuntos de retas paralelas a estes eixos. A orientação estimada é uma rotação tridimensional entre o referencial natural e o sistema referencial da câmera. O Corisco requer o conhecimento do modelo de câmera, mas qualquer modelo de câmera pode ser utilizado. Corisco analisa imagens utilizando um processo de extração de edgels, que são pontos localizados nas projeções das retas do ambiente, associados à direção tangencial da projeção da reta naquele ponto. Esta extração de edgels utiliza uma máscara em forma de grade que permite sub-amostrar os dados, criando um comprometimento entre velocidade e precisão. A orientação é estimada através de um processo de otimização em dois passos que minimiza uma função objetivo definida pela técnica de M-estimação, com uma função de erro redescendente. Esta técnica é equivalente à aplicação de estimação MAP ou EM nos métodos similares existentes. O primeiro passo da otimização utiliza o algoritmo RANSAC, permitindo ao Corisco funcionar sem estimativas iniciais, e o segundo passo é um processo de otimização contínua com restrições que explora a parametrização da orientação por quaternos. O Corisco foi testado com diferentes modelos de câmera, incluindo a projeção perspectiva, um modelo com distorção radial, e duas projeções onidirecionais, a polar equidistante e a equiretangular. O tempo médio de cálculo pode ser controlado através de dois parâmetros, que podem também afetar a exatidão. A exatidão observada ao comparar as estimativas do Corisco com orientações de referência foi tipicamente próxima a 1 grau para tempos de execução acima de 20 segundos, e aproximadamente 4 graus para menos de dois segundos. Este desempenho alcançou os objetivos estabelecidos, e os resultados experimentais validaram o método para aplicações práticas. / This thesis presents Corisco, a method to estimate the orientation of a camera from a single image captured from an anthropic environment. Corisco was developed with the objective of answering the needs of Mobile Robotics applications, and of the analysis of large set of images, what means that the method should present not only a good computational performance, but it should also be able to use different camera models, allow to control the compromise between calculation speed and result precision, and must also be capable of both exploiting initial estimates of the result, and of operating without any initial estimates. Corisco presents all of these characteristics. The considered environments have a natural reference system with three orthogonal axes, and contain sets of lines parallel to these axes. The estimated orientation is a three-dimensional rotation between the natural reference frame and the camera frame. Corisco requires the knowledge of the camera model, but any camera model can be used. Corisco analyzes images using a process that extracts edgels, which are points located on the projections of the environment lines, associated with the tangential direction of the line projection at that point. This edgel extraction technique uses a grid mask that can sub-sample the data, creating a compromise between speed and precision. The orientation is estimated through a two-step optimization process that minimizes an objective function defined by the M-estimation technique, using a redescending error function. This technique is equivalent to the application of the MAP or the EM estimation in similar existing methods. The first optimization step uses the RANSAC algorithm, allowing Corisco to work without initial estimates, and the second step is a continuous and constrained optimization process that explores the orientation parametrization by quaternions. Corisco was tested with different camera models, including the perspective projection, a model with radial distortion, and two omnidirectional projections, the polar equidistant and the equirectangular. The mean calculation time can be controlled through a couple of parameters, which may also affect the accuracy. The accuracy observed by comparing the Corisco estimates with reference orientations was typically near 1 degree for execution times above 20 seconds, and approximately 4 degrees for less than two seconds. This performance attained the established objectives, and the experimental results validated the method for practical applications.

A análise da semântica latente é uma técnica de processamento de linguagem natural, que busca simplificar a tarefa de encontrar palavras e sentenças por similaridade. Através da representação de texto em um espaço multidimensional, selecionam-se os valores mais significativos para sua reconstrução em uma dimensão reduzida. Essa simplificação lhe confere a capacidade de generalizar modelos, movendo as palavras e os textos para uma representação semântica. Dessa forma, essa técnica identifica um conjunto de significados ou conceitos ocultos sem a necessidade do conhecimento prévio da gramática. O objetivo desse trabalho foi determinar a dimensionalidade ideal do espaço semântico em uma tarefa de classificação de texto. A solução proposta corresponde a um algoritmo semi-supervisionado que, a partir de exemplos conhecidos, aplica o método de classificação pelo vizinho mais próximo e determina uma curva estimada da taxa de acerto. Como esse processamento é demorado, os vetores são projetados em um espaço no qual o cálculo se torna incremental. Devido à isometria dos espaços, a similaridade entre documentos se mantém equivalente. Esta proposta permite determinar a dimensão ideal do espaço semântico com pouco esforço além do tempo requerido pela análise da semântica latente tradicional. Os resultados mostraram ganhos significativos em adotar o número correto de dimensões. / The latent semantic analysis is a technique in natural language processing, which aims to simplify the task of finding words and sentences similarity. Using a vector space model for the text representation, it selects the most significant values for the space reconstruction into a smaller dimension. This simplification allows it to generalize models, moving words and texts towards a semantic representation. Thus, it identifies a set of underlying meanings or hidden concepts without prior knowledge of grammar. The goal of this study was to determine the optimal dimensionality of the semantic space in a text classification task. The proposed solution corresponds to a semi-supervised algorithm that applies the method of the nearest neighbor classification on known examples, and plots the estimated accuracy on a graph. Because it is a very time consuming process, the vectors are projected on a space in such a way the calculation becomes incremental. Since the spaces are isometric, the similarity between documents remains equivalent. This proposal determines the optimal dimension of the semantic space with little effort, not much beyond the time required by traditional latent semantic analysis. The results showed significant gains in adopting the correct number of dimensions.