Neste trabalho é proposto um sistema de auxílio ao diagnóstico do câncer de mama para detecção de lesões não palpáveis de mama através da utilização de atributos de textura. O trabalho é composto de 3 etapas: segmentação, caracterização e detecção. Na etapa de segmentação foi realizado a segmentação da região mamária de todo o mamograma utilizando técnicas de morfologia matemática. Na etapa de caracterização foram extraídos 19 medidas de textura, 13 atributos de Haralick e 6 baseados na Transformada Wavelet, calculadas a partir de regiões de interesse contendo lesões mamárias e regiões normais. Foram selecionados os melhores atributos utilizando a distância Jeffries Matusita e classificados utilizando um classificador K-NN. Na etapa de detecção foi aplicado o algoritmo desenvolvido a uma base de imagens de lesões não palpáveis de mama. Por fim, os resultados obtidos são apresentados e discutidos a partir de tabelas e curvas ROC e FROC. Os resultados obtidos na detecção das lesões não palpáveis foram de 80% de sensibilidade e 1.47 FP/imagem utilizando os atributos de Haralick e 70% de sensibilidade e 1.96 FP/imagem utilizando os atributos baseados na Transformada Wavelet. / In the present work, a computer aided diagnosis system based on texture features has been proposed to aid in the diagnosis of non palpable breast lesions. The work is composed of 3 main stages: segmentation, characterization and detection. In the segmentation stage, the breast region is segmented from the whole mamogram using mathematical morphology techniques. In the characterization stage were extracted 19 textures measures, 13 from Haralick\'s features and 6 based from Wavelet Transform. These features were calculated from regions of interest containing breast lesions and normal breast regions. Were selected the best features using Jeffries Matusita distance. The images were classiffied using K-NN classifier. In the detection stage the algorithm developed was applied to a image database containing non palpable breast lesions. At the end, the results were presented and discussion was made upon tables and ROC-FROC curves. The results obtained were sensitivity = 80% with 1.47 FP/image with Haralick\'s features and sensitivity = 70% and 1.96 FP/image with features based on Wavelet Transform.

Orientadores: Neucimar Jeronimo Leite, Jorge Stolfi / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-09T20:36:43Z (GMT). No. of bitstreams: 1 Minetto_Rodrigo_M.pdf: 4634555 bytes, checksum: 6335c719fb04357e47f9dd14b51fbaa9 (MD5) Previous issue date: 2007 / Resumo: Nosso objetivo nesta dissertação é a detecção robusta de movimento de câmera (tilt, pan, roll e zoom) em vídeos. Para tanto, desenvolvemos um algoritmo original para esta tarefa, baseado em um ajuste ponderado de mínimos quadrados de um fluxo ótico, onde um procedimento iterativo é utilizado para melhorar o peso de cada vetor. Além da detecção de movimento de câmera, nosso algoritmo fornece uma análise quantitativa precisa e confiável dos movimentos. Este também fornece uma segmentação grosseira de cada quadro em duas regiões, "objeto" e "fundo", correspondentes às partes estacionárias e com movimento na cena, respectivamente. Experimentos com vídeos reais mostram que o algoritmo é rápido e eficaz, mesmo para cenas com movimento substancial de objetos / Abstract: Our goal in this dissertation is the reliable detection of camera motion (tilt, pan, roll and zoom) in videos. We propose an original algorithm for this task based on weighted leastsquare fitting of the optical flow, where an iterative procedure is used to improve the weight of each flow vector. Besides detecting camera motion, our algorithm provides a precise and reliable quantitative analysis of the movements. It also provides a rough segmentation of each frame into two regions, "foreground" and "background", corresponding to the moving and stationary parts of the scene, respectively. Tests with real videos show that the algorithm is fast and effective, even for scenes with substantial object motion / Mestrado / Processamento de Imagens / Mestre em Ciência da Computação

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.

Anomalias ou outliers são exemplos ou grupo de exemplos que apresentam comportamento diferente do esperado. Na prática,esses exemplos podem representar doenças em um indivíduo ou em uma população, além de outros eventos como fraudes em operações bancárias e falhas em sistemas. Diversas técnicas existentes buscam identificar essas anomalias, incluindo adaptações de métodos de classificação e métodos estatísticos. Os principais desafios são o desbalanceamento do número de exemplos em cada uma das classes e a definição do comportamento normal associada à formalização de um modelo para esse comportamento. Nesta dissertação propõe-se a utilização de um novo espaço para realizar a detecção,esse espaço é chamado espaço de parâmetros. Um espaço de parâmetros é criado utilizando parâmetros estimados a partir da concatenação(encadeamento) de dois exemplos. Apresenta-se,então,um novo framework para realizar a detecção de anomalias através da fusão de detectores que utilizam fechos convexos em múltiplos espaços de parâmetros para realizar a detecção. O método é considerado um framework pois é possível escolher quais os espaços de parâmetros que serão utilizados pelo método de acordo como comportamento da base de dados alvo. Nesse trabalho utilizou-se,para experimentos,dois conjuntos de parâmetros(média e desvio padrão; média, variância, obliquidade e curtose) e os resultados obtidos foram comparados com alguns métodos comumente utilizados para detecção de anomalias. Os resultados atingidos foram comparáveis ou melhores aos obtidos pelos demais métodos. Além disso, acredita-se que a utilização de espaços de parâmetros cria uma grande flexibilidade do método proposto, já que o usuário pode escolher um espaço de parâmetros que se adeque a sua aplicação. Tanto a flexibilidade quanto a extensibilidade disponibilizada pelo espaço de parâmetros, em conjunto como bom desempenho do método proposto nos experimentos realizados, tornam atrativa a utilização de espaços de parâmetros e, mais especificamente, dos métodos apresentados na solução de problemas de detecção de anomalias. / Anomalies or outliers are examples or group of examples that have a behaviour different from the expected. These examples may represent diseases in individuals or populations,as well as other events such as fraud and failures in banking systems.Several existing techniques seek to identify these anomalies, including adaptations of classification methods, statistical methods and methods based on information theory. The main challenges are that the number of samples of each class is unbalanced, the cases when anomalies are disguised among normal samples and the definition of normal behaviour associated with the formalization of a model for this behaviour. In this dissertation,we propose the use of a new space to helpwith the detection task, this space is called parameter space. We also present a new framework to perform anomaly detection by using the fusion of convex hulls in multiple parameter spaces to perform the detection.The method is considered a framework because it is possible to choose which parameter spaces will be used by the method according to the behaviour of the target data set.For the experiments, two parameter spaces were used (mean and standard deviation; mean, variance, skewness and kurtosis) and the results were compared to some commonly used anomaly detection methods. The results achieved were comparable or better than those obtained by the other methods. Furthermore, we believe that a parameter space created great fexibility for the proposed method, since it allowed the user to choose a parameter space that best models the application. Both the flexibility and extensibility provided by the use of parameter spaces, together with the good performance achieved by the proposed method in the experiments, make parameter spaces and, more specifically, the proposed methods appealing when solving anomaly detection problems.

Cities are complex systems of transportation and social activity; their structure can be used to model urban street networks i.e. complex network that represents the geometry of a city allowing analytical activities for data-driven decision-making. The geometry of a city holds intrinsic information that can support activities related to the analysis of the urban scenario; of higher importance is the use of such information to enhance the quality of life of its inhabitants and/or to understand the dynamics of an urban center. Several of these analytical processes lacks in-depth methodologies to analyze crime patterns and ill-designed urban structures, which can provide for public safety and urban design. Consequently, it is our goal to provide means for the structural and topological analysis of highly criminal regions of cities represented as complex networks, and for the identification of urban planning inconsistencies that point to regions that lack access from/to points of interest in a city. In this regard, we devised a set of algebraic and algorithmic procedures that are capable of revealing patterns and provide for data comprehension. More specifically, we introduced pre-processing techniques to transform georeferenced electronic maps into graph representations of cities; we used metric-based and epidemic processes to understand the dynamics of cities in what refers to criminality; finally, we introduced a novel set of formalisms and operations based on set theory to identify design flaws concerning access in urban centers. Our results refer to approaches to preprocess and prepare maps in the form of urban street networks; to the analyses of crimes based on their spatial disposition; to the development of a model to describe criminal activities; and, to the advance of a concept based on critical problems in the urban design. / As cidades são sistemas complexos de interação social e de transporte. Suas estruturas podem ser usadas para modelar redes de mobilidade urbana i.e. redes complexas que representam a geometria de uma cidade permitindo a consecução de atividades analíticas para descoberta de padrões e para a tomada de decisão baseada em dados. A geometria da cidade carrega informações intrínsecas que auxiliam atividades relacionadas à análise de dados provenientes do cenário urbano. As informações inerentes a tais análises podem ser usadas para melhorar a qualidade de vida dos habitantes de uma região, ou para entender a dinâmica de centros urbanos. Diversos processos analíticos aplicados a tais cenários carecem de metodologias para analisar o padrão criminal e para identificar estruturas urbanas mal planejadas. Deste modo, este trabalho tem por objetivo prover meios para análise topológica de regiões criminais e para a identificação de inconsistências urbanas, as quais apontam para regiões que carecem de mobilidade e acesso para outras regiões de uma cidade. Neste sentido, foi desenvolvido um conjunto de procedimentos algébricos e algorítmicos capazes de revelar padrões e meios para compreensão e análise dos dados. Mais especificamente, foram desenvolvidos métodos de pré-processamento para transformar mapas eletrônicos georreferenciados em grafos que representam cidades, foi utilizado um conjunto métrico analítico e outro com base em processos epidêmicos para entender a dinâmica intrínseca à criminalidade de uma cidade, e por fim, foi desenvolvido um conjunto de formalismos e operações baseados em teoria dos conjuntos para identificar falhas no desenho das estruturas urbanas que impactam no acesso viário em centros urbanos. Os resultados deste trabalho versam sobre o desenvolvimento de novos métodos para preparar mapas na forma de redes de mobilidade urbana; na análise de crimes baseada em sua disposição espacial; no desenvolvimento de um modelo capaz de descrever a atividade criminal de uma cidade; e, em um conceito baseado na análise de regiões críticas identificadas a partir do desenho urbano.

O reconhecimento de padrões de textura em imagens tem sido uma importante ferramenta na área de visão computacional. Isso porque o atributo textura pode revelar características intrínsecas, tornando possível a classificação de um conjunto de imagens semelhantes. Embora a textura seja estudada há mais de meio século, ainda não existe um consenso sobre sua definição e nem mesmo um método de extração de características de textura que seja eficiente para todos os tipos de imagens. Além disso, os métodos da literatura analisam os padrões de textura de maneira global, considerando que uma imagem apresente um conjunto de micropadrões que formam um único padrão global ou homogêneo de textura na imagem. No entanto, alguns tipos de imagens apresentam heterogeneidade em sua composição, ou seja, o conjunto de micropadrões na imagem é responsável por formar mais de um padrão de textura dentro da mesma imagem. Esse tipo de imagens levou ao propósito de investigação deste trabalho. Independentemente do método de extração de característica utilizado, considerar a heterogeneidade do padrão de textura em uma imagem leva a uma melhor representação de suas características. Para melhorar a análise de padrões heterogêneos de textura, três abordagens são propostas: (i) lazy-patch, (ii) combinação de modelos e (iii) modelagem da textura por meio de autômatos celulares inspirados em corrosão alveolar. Os resultados ao aplicar essas abordagens em diferentes conjuntos de imagens de biologia e nanotecnologia, mostraram que a análise de padrões heterogêneos resulta em melhor representatividade de imagens que possuem padrões heterogêneos de textura em sua composição. / Pattern recognition of texture in images has been playing an important role in computer vision area. This is because the texture attribute can reveal intrinsic characteristics, making it possible to classify a set of similar images. Although the texture is studied for over half a century, there is still no consensus on its definition or even a method to extrac texture characteristics that is effective for all types of images. Moreover, literature methods globally analyze the texture patterns, whereas a picture displays a number of micropatterns which form a single homogenous global pattern of texture in the image. However, some types of image display heterogeneity in their composition, that is, the set of micropatterns in the image use to form more than one texture pattern within the same image. Such type of image led to the purpose of this research work. Regardless the feature extraction method used, considering the heterogeneity of the texture pattern in an image leads to better representation of its features. To further improve the analysis of heterogeneous texture patterns, three approaches are proposed: (i) lazy-patch, (ii) combination of models and (iii) texture modeling using cellular automata inspired by pitting corrosion. The results of applying these approaches in different sets of biology and nanotechnology images showed that the analysis of heterogeneous patterns results in better representation of images that have heterogeneous patterns of texture in your composition.

Submitted by Eduarda Figueiredo (eduarda.ffigueiredo@ufpe.br) on 2015-03-06T15:55:36Z No. of bitstreams: 2 Vitor_Emerenciano_Dissertação_PPGEE_2012.pdf: 5206797 bytes, checksum: ea2f6a4e56b1e9d557f8076064efac39 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-06T15:55:36Z (GMT). No. of bitstreams: 2 Vitor_Emerenciano_Dissertação_PPGEE_2012.pdf: 5206797 bytes, checksum: ea2f6a4e56b1e9d557f8076064efac39 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2012-02-03 / A crescente demanda por energia elétrica vem impactando diretamente na regulação do setor elétrico, onde a falta de energia elétrica hoje disponibilizada passa a ser inaceitável e consequentemente impactando em penalização para as empresas concessionárias do setor. Diante deste cenário a possibilidade de contar com um sistema de monitoramento em tempo real que oriente ações corretivas das equipes de manutenção constitui uma ferramenta de fundamental importância na melhoria dos indicadores operacionais das empresas do setor. No sistema elétrico de potência, devido às suas características, cerca de 60% das ocorrências de falta de energia estão associadas a curtoscircuitos de origem monofásicas, o que apresentam ondas viajantes se propagando ao longo do alimentador, em ambas as direções, sofrendo reflexões e refrações relacionadas com as singularidades do percurso realizado. Assim, os sinais eletromagnéticos transitórios gerados pela incidência da falta manifestam peculiaridades associada ao caminho percorrido por essas ondas viajantes. Essas particularidades quando extraídas adequadamente podem ser empregadas, com grande eficácia, por sistemas inteligentes indicando a localidade da falta. Com base nesta premissa esta dissertação propõe uma abordagem utilizando redes neurais artificias para localizar faltas fase-terra em sistemas elétricos de distribuição rurais fortemente dispersos e de grandes extensões. A modelagem proposta faz uso da transformada de wavelets e das técnicas multirresolução de sinais no intuito de melhorar a precisão na localização de faltas como também se ressalta o emprego de processos estatísticos, o qual visa extrair atributos representativos do trecho sob falta.

Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-12T18:28:44Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese Bruno Fernandes.pdf: 3132863 bytes, checksum: 07130c06c805386aafa3b34685236d9b (MD5) / Made available in DSpace on 2015-03-12T18:28:44Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese Bruno Fernandes.pdf: 3132863 bytes, checksum: 07130c06c805386aafa3b34685236d9b (MD5) Previous issue date: 2013-07-29 / O desenvolvimento de modelos baseados em teorias sobre a estrutura do cérebro humano tem se mostrado como uma importante ferramenta para a inspiração de novas abordagens para problemas de reconhecimento de padrões visuais. Apesar do cérebro humano não ser completamente entendido, ele já inspirou vários mecanismos utilizados em tarefas de reconhecimento de padrões, como as redes neurais artificiais (RNAs). Os conceitos de campos receptivos e inibitórios e de memória autoassociativa são derivados de estudos do cérebro e vêm sendo empregados na criação de novos classificadores. Os campos receptivos são utilizados para melhor analisar texturas e para detectar contornos em vários modelos que têm suas arquiteturas projetadas para receber os dados de entrada na sua forma bruta e extrair suas características. Esse processo é chamado de extração implícita de características. O uso de campos inibitórios trouxe melhorias às RNAs, tornando-as mais estáveis e eficazes. Por outro lado, classificadores autoassociativos são modelos desenvolvidos para aprender as características relacionadas somente aos padrões de uma mesma classe. Esses classificadores decidem se um padrão é conhecido a partir de fronteiras de decisão fechadas no espaço de entrada. Este trabalho propõe três RNAs inspiradas nos conceitos de campos receptivos e inibitórios e de memória autoassociativa. As RNAs propostas apresentam uma arquitetura piramidal que fazem uso dos conceitos de campos receptivos e que integram as etapas de extração de características e de classificação de padrões visuais. A primeira RNA proposta é a Lateral Inhibition Pyramidal Neural Network (LIPNet) que utiliza o conceito de campos inibitórios e é aplicada em problemas com duas classes. A LIPNet é avaliada em experimentos de detecção de faces com o banco MIT CBCL e de detecção de floresta em imagens de satélite. A segunda RNA proposta é a AutoAssociative Pyramidal Neural Network (AAPNet) que utiliza o conceito de memória autoassociativa para aprendizagem de uma classe sem exemplos negativos. A AAPNet é avaliada numa tarefa de categorização de objetos com o banco Caltech-101. A última RNA proposta é a Lateral Inhibition Constructive Autoassociative Neural Network (LICANet) que realiza a aprendizagem autoassociativa através de um algoritmo construtivo que ajusta a arquitetura do modelo durante o treinamento. A LICANet é avaliada em experimentos de reconhecimento de expressão facial com a base JAFFE. Finalmente, as três RNAs propostas são comparadas umas com as outras nos experimentos realizados. As RNAs propostas obtiveram resultados superiores a outros métodos da literatura.

Orientador: Lee Luan Ling / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-17T04:05:46Z (GMT). No. of bitstreams: 1 Rodrigues_RicardoNagel_M.pdf: 1212348 bytes, checksum: c1f563f073688d610f7a7013a642214c (MD5) Previous issue date: 2006 / Resumo: Neste trabalho, apresentamos um novo método para fazer a fusão de dois sistemas biométricos unimodais. O objetivo é gerar um sistema biométrico multimodal que apresente menores taxas de erro, maior robustez e maior segurança. O método proposto pode ser usada para integrar qualquer tipo de modalidade biométrica. Desta forma, fazemos uma descrição geral do sistema multimodal proposto, sem restrição quanto ao tipo de tecnologias biométricas que serão combinadas. Após esta descrição geral, três sistemas de reconhecimento biométrico (baseados na face, impressão digital e dinâmica da digitação) são apresentados e a metodologia é testada combinando-se a face com a impressão digital e a face com a dinâmica da digitação. A fusão dos dados biométricos é feita no nível de comparação, sendo que uma das principais inovações do método proposto é que, além dos índices de similaridade, o módulo de fusão recebe também um índice de confiabilidade das amostras coletadas e um parâmetro que indica a segurança dos sistemas unimodais. Estes dados são processados através de um sistema de inferência nebuloso, produzindo um único valor de saída que é usado para decidir se o usuário é genuíno ou impostor. Novos procedimentos de testes, que simulam condições de operação adversas, foram adotados e mostraram que o método de fusão biométrica proposto apresenta vantagens quando comparado com a fusão através da regra da soma / Abstract: In this work, we present a new method for fusing two unimodal biometric systems. The objective is to create a multimodal biometric system with low error rates, high robustness and security. The proposed method can be used to combine any two kinds of biometric modalities. We make a general description of the proposed method, with no restrictions about which biometric technologies will be combined. After this general description, three biometric recognition systems (based on face, fingerprint and keystroke dynamics) are introduced and the fusion method is tested by combining face with fingerprint and face with keystroke dynamics. The biometric data fusion is performed at the matching score level. One of the main novelties of the proposed method is that, besides similarity scores, the fusion module also receives as input a sample reliability index and a parameter that indicate the security level of the unimodal biometric systems. This set of data is processed by a fuzzy inference system, producing one single output score that is used to decide if the user is either genuine or impostor. Novel test procedures, that simulate adverse operational conditions, have indicated that the proposed biometric fusion method presents some advantages when compared with the fusion using the sum rule / Mestrado / Telecomunicações e Telemática / Mestre em Engenharia Elétrica

Orientador: Rodrigo de Souza Portugal / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica e Instituto de Geociências / Made available in DSpace on 2018-08-17T11:39:01Z (GMT). No. of bitstreams: 1 Sanchetta_AlexandreCruz_M.pdf: 1944469 bytes, checksum: 4ef771f7cb51787e86e285c870e84c53 (MD5) Previous issue date: 2010 / Resumo: O uso método de análise multivariada ICA (Análise de Componentes Independentes), mais o método K-NN (K-vizinhos mais Próximos) aplicados em dados de poços e em dados sísmicos buscando classificar fácies geológicas e suas características. Esses dois métodos foram aplicados em dados retirados do Campo de Namorado, na Bacia de Campos, Brasil. A ICA encontra as componentes independentes dos dados, que quando treinadas pelo método K-NN para reconhecer padrões nos dados, predizem fácies geológicas e outras informações sobre as rochas, como as características de reservatório. Essas componentes independentes configuram uma nova opção de interpretação das informações disponíveis, pois nessas novas variáveis, o espaço de análise não apresenta dimensões dependentes e exclui informações repetidas ou dúbias da interpretação dos resultados. Além disso, a maior parte da informação é resumida em poucas dimensões, resultando em uma possível redução de variáveis referentes ao problema. Um abundante número de testes foi feito procurando a taxa de sucesso desse método. Como taxa de sucesso, é compreendida a divisão do número de predições corretas dividido pelo número total de tentativas. O que se observa é uma taxa de sucesso alta, em torno de 85% de acerto em algumas situações, ressaltando-se que as componentes têm distribuição gaussiana, sendo que o método funciona melhor em encontrar componentes não-gaussianas. Mesmo nessa situação adversa o método se mostrou robusto. A solidez do método mostra-se uma alternativa para novas formas de interpretação geológicas e petrofísicas. Um dos trunfos desse método é que a base da sua aplicação pode ser estendida para outros tipos de dados, inclusive de naturezas físicas diferentes / Abstract: The use of multivariate analysis method ICA (Independent Component Analysis), plus the K-NN method (K-nearest Neighbor) applied on well log data and seismic data to predict the classification of geological facies and their characteristics. These two methods were applied to data from the Campo de Namorado, in the Campos Basin, Brasil. The ICA finds the independent components of the data that can be trained by K-NN method to recognize patterns in the data and predict the geological facies or other information about the rocks, as the characteristics of the reservoir. These independent components make up a new option for interpretation of available information, because with these new variables, the space has no dependent dimensions and the duplicate information or dubious interpretation of results are excluded. Moreover, most of the information is summarized in a few dimensions, resulting in a possible reduction of variables related to the problem. An abundant number of tests were done looking for the success rate of this method. As success rate, it is understood by the division of the number of correct predictions divided by total attempts. What is observed is a high success rate, around 85% accuracy in some situations, pointing out that the components have a Gaussian distribution and the method works best in finding non-Gaussian components. Even in this adverse situation the method was robust. The robustness of the method proves that ICA can be an alternative to new forms of geological and petrophysical interpretation. One of the advantages of this method is that the basis of their application can be extended to other types of data, including datas with different physical natures / Mestrado / Reservatórios e Gestão / Mestre em Ciências e Engenharia de Petróleo