Sistemas para análise de imagens partem da premissa de que o conjunto de dados sob investigação está corretamente representado por características. Entretanto, definir quais características representam apropriadamente um conjunto de dados é uma tarefa desafiadora e exaustiva. Grande parte das técnicas de descrição existentes na literatura, especialmente quando os dados têm alta dimensionalidade, são baseadas puramente em medidas estatísticas ou abordagens baseadas em inteligência artificial, e normalmente são caixas-pretas para os usuários. A abordagem proposta nesta dissertação busca abrir esta caixa-preta por meio de representações visuais criadas pela técnica Multidimensional Classical Scaling, permitindo que usuários capturem interativamente a essência sobre a representatividade das características computadas de diferentes descritores. A abordagem é avaliada sobre seis conjuntos de imagens que contém texturas, imagens médicas e cenas naturais. Os experimentos mostram que, conforme a combinação de um conjunto de características melhora a qualidade da representação visual, a acurácia de classificação também melhora. A qualidade das representações é medida pelo índice da silhueta, superando problemas relacionados com a subjetividade de conclusões baseadas puramente em análise visual. Além disso, a capacidade de exploração visual do conjunto sob análise permite que usuários investiguem um dos maiores desafios em classificação de dados: a presença de variação intra-classe. Os resultados sugerem fortemente que esta abordagem pode ser empregada com sucesso como um guia para auxiliar especialistas a explorar, refinar e definir as características que representam apropriadamente um conjunto de imagens / Image analysis systems rely on the fact that the dataset under investigation is correctly represented by features. However, defining a set of features that properly represents a dataset is still a challenging and, in most cases, an exhausting task. Most of the available techniques, especially when a large number of features is considered, are based on purely quantitative statistical measures or approaches based on artificial intelligence, and normally are black-boxes to the user. The approach proposed here seeks to open this black-box by means of visual representations via Multidimensional Classical Scaling projection technique, enabling users to get insight about the meaning and representativeness of the features computed from different feature extraction algorithms and sets of parameters. This approach is evaluated over six image datasets that contains textures, medical images and outdoor scenes. The results show that, as the combination of sets of features and changes in parameters improves the quality of the visual representation, the accuracy of the classification for the computed features also improves. In order to reduce this subjectiveness, a measure called silhouette index, which was originally proposed to evaluate results of clustering algorithms, is employed. Moreover, the visual exploration of datasets under analysis enable users to investigate one of the greatest challenges in data classification: the presence of intra-class variation. The results strongly suggest that our approach can be successfully employed as a guidance to defining and understanding a set of features that properly represents an image dataset

Representações visuais têm sido adotadas na exploração de conjuntos de documentos, auxiliando a extração de conhecimento sem que seja necessária a análise individual de milhares de textos. Mapas de documentos, em particular, apresentam documentos individualmente representados espalhados em um espaço visual, refletindo suas relações de similaridade ou conexões. A construção destes mapas de documentos inclui, entre outras tarefas, o posicionamento dos textos e a identificação automática de áreas temáticas. Um desafio é a visualização de conjuntos dinâmicos de documentos. Na visualização de informação, é comum que alterações no conjunto de dados tenham um forte impacto na organização do espaço visual, dificultando a manutenção, por parte do usuário, de um mapa mental que o auxilie na interpretação dos dados apresentados e no acompanhamento das mudanças sofridas pelo conjunto de dados. Esta tese introduz um algoritmo para a construção dinâmica de mapas de documentos, capaz de manter uma disposição coerente à medida que elementos são adicionados ou removidos. O processo, inerentemente incremental e de baixa complexidade, utiliza um espaço bidimensional dividido em células, análogo a um tabuleiro de xadrez. Resultados consistentes foram alcançados em comparação com técnicas não incrementais de projeção de dados multidimensionais, tendo sido a técnica aplicada também em outros domínios, além de conjuntos de documentos. A visualização resultante não está sujeita a problemas de oclusão. A identificação de áreas temáticas é alcançada com técnicas de extração de regras de associação representativas para a identificação automática de tópicos. A combinação da extração de tópicos com a projeção incremental de dados em um processo integrado de mineração visual de textos compõe um espaço visual em que tópicos e áreas de interesse são destacados e atualizados à medida que o conjunto de dados é modificado / Visual representations are often adopted to explore document collections, assisting in knowledge extraction, and avoiding the thorough analysis of thousands of documents. Document maps present individual documents in visual spaces in such a way that their placement reflects similarity relations or connections between them. Building these maps requires, among other tasks, placing each document and identifying interesting areas or subsets. A current challenge is to visualize dynamic data sets. In Information Visualization, adding and removing data elements can strongly impact the underlying visual space. That can prevent a user from preserving a mental map that could assist her/him on understanding the content of a growing collection of documents or tracking changes on the underlying data set. This thesis presents a novel algorithm to create dynamic document maps, capable of maintaining a coherent disposition of elements, even for completely renewed sets. The process is inherently incremental, has low complexity and places elements on a 2D grid, analogous to a chess board. Consistent results were obtained as compared to (non-incremental) multidimensional scaling solutions, even when applied to visualizing domains other than document collections. Moreover, the corresponding visualization is not susceptible to occlusion. To assist users in indentifying interesting subsets, a topic extraction technique based on association rule mining was also developed. Together, they create a visual space where topics and interesting subsets are highlighted and constantly updated as the data set changes

O processo de mineração de dados tem como objetivo encontrar o conhecimento implícito em um conjunto de dados para auxiliar a tomada de decisão. Do ponto de vista do usuário, vários problemas podem ser encontrados durante a etapa de pós-processamento e disponibilização do conhecimento extraído, como a enorme quantidade de padrões gerados por alguns algoritmos de extração e a dificuldade na compreensão dos modelos extraídos dos dados. Além do problema da quantidade de regras, os algoritmos tradicionais de regras de associação podem levar à descoberta de conhecimento muito específico. Assim, pode ser realizada a generalização das regras de associação com o intuito de obter um conhecimento mais geral. Neste projeto é proposta uma metodologia interativa que auxilie na avaliação de regras de associação generalizadas, visando melhorar a compreensibilidade e facilitar a identificação de conhecimento interessante. Este auxílio é realizado por meio do uso de técnicas de visualização em conjunto com a aplicação medidas de avaliação objetivas e subjetivas, que estão implementadas no módulo de visualização de regras de associação generalizados denominado RulEE-GARVis, que está integrado ao ambiente de exploração de regras RulEE (Rule Exploration Environment). O ambiente RulEE está sendo desenvolvido no LABIC-ICMC-USP e auxilia a etapa de pós-processamento e disponibilização de conhecimento. Neste contexto, também foi objetivo deste projeto de pesquisa desenvolver o Módulo de Gerenciamento do ambiente de exploração de regras RulEE. Com a realização do estudo dirigido, foi possível verificar que a metodologia proposta realmente facilita a compreensão e a identificação de regras de associação generalizadas interessantes / The data mining process aims at finding implicit knowledge in a data set to aid in a decision-making process. From the users point of view, several problems can be found at the stage of post-processing and provision of the extracted knowledge, such as the huge number of patterns generated by some of the extraction algorithms and the difficulty in understanding the types of the extracted data. Besides the problem of the number of rules, the traditional algorithms of association rules may lead to the discovery of very specific knowledge. Thus, the generalization of association rules can be realized to obtain a more general knowledge. In this project an interactive methodology is proposed to aid in the evaluation of generalized association rules in order to improve the understanding and to facilitate the identification of interesting knowledge. This aid is accomplished through the use of visualization techniques along with the application of objective and subjective evaluation measures, which are implemented in the visualization module of generalized association rules called RulEE-GARVis, which is integrated with the Rule Exploration Environment RulEE. The RulEE environment is being developed at LABIC-ICMC-USP and aids in the post-processing and provision of knowledge. In this context, it was also the objective of this research project to develop the Module Management of the rule exploration environment RulEE. Through this directed study, it was verified that the proposed methodology really facilitates the understanding and identification of interesting generalized association rules

Ferramentas e técnicas de visualização promovem uma análise de dados mais efetiva pelo fato de explorar a capacidade humana na percepção de padrões, principalmente em representações gráficas. Muitos fenômenos são associados a algum tipo de referência, temporal ou geográfica, que pode oferecer informação importante quando são submetidos a processos de análise. Este trabalho aborda representações visuais de dados geradas por técnicas de projeção multidimensional, e propõe uma estratégia para o tratamento diferenciado das referências temporais ou geográficas presentes em conjuntos de dados, no processo de gerar uma projeção multidimensional. Foi proposta e implementada uma variação da técnica Least Square Projection (LSP) que evidencia a informação das referências e permite ao usuário interagir com os mapas visuais gerados, bem como diversas funcionalidades que auxiliam no processo de análise exploratória. A nova abordagem é ilustrada por meio de estudos de caso envolvendo bases de dados temporais e com referências geográficas, em que foi possível observar o comportamento global dos elementos, bem como comportamentos de elementos ou grupos de elementos de interesse. Limitações da estratégia proposta também são discutidas / Visualization tools and techniques promote more effective data analysis by exploiting the human visual perception capabilities in detecting patterns in graphical representations. Many phenomena generate data that include temporal or geographical references, which are likely to provide important information in data analysis procedures. This work addresses data visualizations generated with multidimensional projections, proposing a strategy to handle temporal and geographical references present in multidimensional data sets, when generating multidimensional projections. The Least Squares Projection (LSP) technique was extended to explicitly handle the reference information and represent it in the visual maps, and a set of supporting analysis functions have been implemented. The proposed approach is illustrated through case studies on multidimensional data sets, in which it was possible to observe the global behavior of the elements, as well as individual behavior of elements or groups of elements of interest

Submitted by admin tede (tede@pucgoias.edu.br) on 2017-06-01T12:20:54Z No. of bitstreams: 1 ELVIA NUNES RIBEIRO.pdf: 12426525 bytes, checksum: d4499bc7cc8a0340d5075c19261a8f7e (MD5) / Made available in DSpace on 2017-06-01T12:20:54Z (GMT). No. of bitstreams: 1 ELVIA NUNES RIBEIRO.pdf: 12426525 bytes, checksum: d4499bc7cc8a0340d5075c19261a8f7e (MD5) Previous issue date: 2017-03-16 / This research applies to the social network analysis metrics (SNA), information visualization (VI) and correlation analysis for development of diagnostics of the distance learning on social networks that occur in the virtual learning environment (AVA). The data were extracted directly from the database of the AVA, e-Proinfo. The use of R software version 3.3.1 was chosen for the implementation of the necessary scripts in this research. The R software proved to be a suitable and versatile choice for applications in networks, contemplating the options generally available in SNA specific tools and resources for handling, processing and implementation of new network solutions. The analysis of forum networks identified the intensity of individual and class participation. Non-parametric analysis applied found a high positive correlation between the grade of the student and his contributions to the forum, especially the centrality of output. The correlations of Spearman and Kendall were 0.7921 and 0.6261 respectively. The analysis of social networks, messaging and note tools and the establishment of contacts among the participants turned possible the identification of the level of their involvement in the course. This research contributes to knowledge management by highlighting social networks formed by communications data and course interactions. Access to social networks of a distance course enables the Manager to monitor the level of participation, exchanges of information and the construction of knowledge. This information is useful for the decision-making and can collaborate for educational development. / Esta pesquisa aplica as métricas de análise de redes sociais (ARS), visualização de informações (VI) e análise de correlação para realização de diagnósticos de um curso a distância, nas redes sociais que ocorrem no ambiente virtual de aprendizagem (AVA). Os dados foram extraídos diretamente do banco de dados do AVA, e-Proinfo. Optou-se pelo uso do software R, versão 3.3.1, para a implementação dos scripts necessários nesta pesquisa. O software R mostrou ser uma escolha adequada e versátil para aplicações em redes, contemplando as opções geralmente disponíveis nas ferramentas específicas de ARS e recursos para manipulação, tratamento e implementação de novas soluções de redes. As análises das redes de fórum permitiram identificar a intensidade das participações individuais e das turmas. As análises não paramétricas aplicadas constataram uma alta correlação positiva entre a nota do aluno e suas contribuições no fórum, principalmente, a centralidade de saída. As correlações de Spearman e Kendal foram de 0,7921 e 0,6261 respectivamente. As análises das redes sociais, das ferramentas de mensagem e de recados e o estabelecimento de contatos entre os participantes permitiram identificar o nível de envolvimento destes no curso. Esta pesquisa contribui com a gestão de conhecimento por evidenciar as redes sociais formadas pelos dados de comunicações e de interações do curso. O acesso às redes sociais de um curso a distância possibilita ao gestor acompanhar o nível de participação, as trocas de informações e a construção de conhecimento. Estas informações são úteis para as tomadas de decisões e podem colaborar para o desenvolvimento educacional.

A rápida evolução dos recursos computacionais vem permitindo que grandes conjuntos de dados sejam armazenados e recuperados. No entanto, a exploração, compreensão e extração de informação útil ainda são um desafio. Com relação às ferramentas computacionais que visam tratar desse problema, a Visualização de Informação possibilita a análise de conjuntos de dados por meio de representações gráficas e a Mineração de Dados fornece processos automáticos para a descoberta e interpretação de padrões. Apesar da recente popularidade dos métodos de visualização de informação, um problema recorrente é a baixa escalabilidade visual quando se está analisando grandes conjuntos de dados, resultando em perda de contexto e desordem visual. Com intuito de representar grandes conjuntos de dados reduzindo a perda de informação relevante, o processo de agregação visual de dados vem sendo empregado. A agregação diminui a quantidade de dados a serem representados, preservando a distribuição e as tendências do conjunto de dados original. Quanto à mineração de dados, visualização de informação vêm se tornando ferramental essencial na interpretação dos modelos computacionais e resultados gerados, em especial das técnicas não-supervisionados, como as de agrupamento. Isso porque nessas técnicas, a única forma do usuário interagir com o processo de mineração é por meio de parametrização, limitando a inserção de conhecimento de domínio no processo de análise de dados. Nesta dissertação, propomos e desenvolvemos uma metáfora visual baseada na TableLens que emprega abordagens baseadas no conceito de agregação para criar representações mais escaláveis para a interpretação de dados tabulares. Como aplicação, empregamos a metáfora desenvolvida na análise de resultados de técnicas de agrupamento. O ferramental resultante não somente suporta análise de grandes bases de dados com reduzida perda de contexto, mas também fornece subsídios para entender como os atributos dos dados contribuem para a formação de agrupamentos em termos da coesão e separação dos grupos formados. / The rapid evolution of computing resources has enabled large datasets to be stored and retrieved. However, exploring, understanding and extracting useful information is still a challenge. Among the computational tools to address this problem, information visualization techniques enable the data analysis employing the human visual ability by making a graphic representation of the data set, and data mining provides automatic processes for the discovery and interpretation of patterns. Despite the recent popularity of information visualization methods, a recurring problem is the low visual scalability when analyzing large data sets resulting in context loss and visual disorder. To represent large datasets reducing the loss of relevant information, the process of aggregation is being used. Aggregation decreases the amount of data to be represented, preserving the distribution and trends of the original dataset. Regarding data mining, information visualization has become an essential tool in the interpretation of computational models and generated results, especially of unsupervised techniques, such as clustering. This occurs because, in these techniques, the only way the user interacts with the mining process is through parameterization, limiting the insertion of domain knowledge in the process. In this thesis, we propose and develop the new visual metaphor based on the TableLens that employs approaches based on the concept of aggregation to create more scalable representations of tabular data. As application, we use the developed metaphor in the analysis of the results of clustering techniques. The resulting framework does not only support large database analysis but also provides insights into how data attributes contribute to clustering regarding cohesion and separation of the composed groups

O problema da descontinuidade semântica tem sido um dos principais focos de pesquisa no desenvolvimento de sistemas de recuperação de imagens baseada em conteúdo (CBIR). Neste contexto, as pesquisas mais promissoras focam principalmente na inferência de pesos de características contínuos e na seleção de características. Entretanto, os processos tradicionais de inferência de pesos contínuos são computacionalmente caros e a seleção de características equivale a uma ponderação binária. Visando tratar adequadamente o problema de lacuna semântica, este trabalho propõe dois métodos de transformação de espaço de características métricos baseados na inferência de funções de transformação por meio de algoritmo genético. O método WF infere funções de ponderação para ajustar a função de dissimilaridade e o método TF infere funções para transformação das características. Comparados às abordagens de inferência de pesos contínuos da literatura, ambos os métodos propostos proporcionam uma redução drástica do espaço de busca ao limitar a busca à escolha de um conjunto ordenado de funções de transformação. Análises visuais do espaço transformado e de gráficos de precisão vs. revocação confirmam que TF e WF superam a abordagem tradicional de ponderação de características. Adicionalmente, foi verificado que TF supera significativamente WF em termos de precisão dos resultados de consultas por similaridade por permitir transformação não lineares no espaço de característica, conforme constatado por análise visual. / The semantic gap problem has been a major focus of research in the development of content-based image retrieval (CBIR) systems. In this context, the most promising research focus primarily on the inference of continuous feature weights and feature selection. However, the traditional processes of continuous feature weighting are computationally expensive and feature selection is equivalent to a binary weighting. Aiming at alleviating the semantic gap problem, this master dissertation proposes two methods for the transformation of metric feature spaces based on the inference of transformation functions using Genetic Algorithms. The WF method infers weighting functions and the TF method infers transformation functions for the features. Compared to the existing methods, both proposed methods provide a drastic searching space reduction by limiting the search to the choice of an ordered set of transformation functions. Visual analysis of the transformed space and precision. vs. recall graphics confirm that both TF and WF outperform the traditional feature eighting methods. Additionally, we found that TF method significantly outperforms WF regarding the query similarity accuracy by performing non linear feature space transformation, as found in the visual analysis.

Nesta tese, entendemos design como um processo criativo de busca por soluções para problemas complexos e mal definidos. Design é o ato projetual de busca por boas soluções em espaços contendo diversas soluções possíveis. O design de visualizações é o desenvolvimento de metáforas visuais para dados abstratos, é a transformação de dados em representações gráficas interativas. Visualizações têm o objetivo de auxiliar os processos cognitivos de compreensão de informação e tornar mais eficiente e efetiva a execução de tarefas envolvendo dados. A complexidade do design de visualizações está tanto na multiplicidade e impossibilidade de redução de seus problemas quanto na extensão e variação de seus dados. Para tratar dessa complexidade, o designer executa uma conversa reflexiva com externalizações materiais do projeto. Essas representações externas podem funcionar como entidades intermediárias de projeto, quando elas não são, em si, a descrição do problema, nem a representação de uma solução e, sim, uma entidade que opera entre esses espaços. As três principais atividades do desenvolvimento de visualizações são o entendimento, a transformação e o mapeamento gráfico dos dados. Transformação de dados é um componente ativo no design de visualizações, pois muitas das decisões tomadas sobre as marcas gráficas dependem da transformação e da derivação dos dados. Propomos que o uso de representações gráficas de estruturas de dados, quando abordadas como entidades intermediárias de projeto, pode auxiliar no processo de design de visualização de dados, ajudando a tratar sua complexidade e a produzir melhores soluções para problemas de visualização. Ao externalizar a representação de estruturas de dados, cria-se um suporte material para memória e raciocínio, que auxilia na compreensão dessas estruturas. Ao abordar essas representações como entidades intermediárias de projeto, é possível tratá-las como materiais que dão suporte para a definição, o entendimento e a navegação pelo espaço de possibilidades de um projeto. Elas passam a ser representações que auxiliam na compreensão das possíveis soluções de uma visualização e os meios para atingi-las. Nesta tese, defendemos essa proposição por meio de um embasamento teórico e do desenvolvimento e aplicação de uma técnica de representação de estruturas de dados. / In this thesis, we understand design as a creative process of searching for solutions to complex and ill-defined problems. Design is the act of search for good solutions in spaces containing several possible solutions. The design of visualizations is the development of visual metaphors for abstract data, is the transformation of data in interactive graphics. Visualizations are intended to assist the cognitive processes of understanding information and to make more efficient and effective the execution of tasks involving data. The complexity of visualization design is both in the impossibility of reducing their problems as in the extent and range of the data. To address this complexity, the designer performs a reflective conversation with project externalizations. These external representations can act as intermediary entities for the project when they are not a description of the problem or the representation of a solution, but rather an entity that operates between these spaces. The three main activities in the development of visualizations are the understanding, the transformation and the graphical mapping of the data. Data Transformation is an active component in visualization design because many of the decisions taken on the graphic marks depend on the processing and transformation of data. We propose that the use of graphical representations of data structures, when addressed as intermediary entities project, can assist in the process of data visualization design, helping to address its complexity and to produce better solutions for visualization problems. The externalization of the representation of data structures creates a support material for memory and reasoning, which helps in understanding these structures. In addressing these representations as intermediary project entities, you can treat them as materials that support definition, understanding and navigation of the possibilities of a project space. They become representations that help in understanding the possible solutions of visualization and the means to achieve them. In this thesis, we defend this proposition through a theoretical foundation and the development and implementation of a data structure representation technique.

Submitted by Maicon Juliano Schmidt (maicons) on 2015-03-25T13:29:38Z No. of bitstreams: 1 Vinícius Facchin Nonnenmacher.pdf: 4021302 bytes, checksum: 9217f078c1f2b43c4aaf240fdadbf2f0 (MD5) / Made available in DSpace on 2015-03-25T13:29:38Z (GMT). No. of bitstreams: 1 Vinícius Facchin Nonnenmacher.pdf: 4021302 bytes, checksum: 9217f078c1f2b43c4aaf240fdadbf2f0 (MD5) Previous issue date: 2012-01-31 / Nenhuma / Modelos computacionais vem ganhando espaço nas ciências sociais. Tanto porque eles permitem uma formalização mais precisa dos fenômenos sociais, quanto porque recriam comportamentos sociais com maior realismo. Um dos fenômenos mais característicos da sociedade é a formação de opinião de indivíduos dado uma determinada situação de escolha. Este trabalho propõe a formalização do fenômeno social da formação de opinião entre um grupo de atores onde só é possível assumir uma ou outra opinião (cenário dicotômico). Para isso, foi proposto uma abordagem computacional baseada em agentes para a simulação desse cenário com o objetivo de melhor entender esse processo. / Computer modeling has been gaining ground in the social sciences. Both because they allow a more accurate formalization of social phenomena, and because it recreates social behaviors with greater realism. One of the most characteristic phenomena of a society is the opinion formation of individuals as a given situation of choice. This paper proposes the formalization of social phenomenon of opinion formation between a group of actors where it can only take one or other opinion (dichotomous scenario). For this, we propose an agent-based computational approach to simulate this scenario in order to provide a better understanding of this process.

Submitted by Maicon Juliano Schmidt (maicons) on 2015-05-21T16:43:31Z No. of bitstreams: 1 Naira Kaieski_.pdf: 5786537 bytes, checksum: 569a3914f90b146ed5c83be6961e4cbf (MD5) / Made available in DSpace on 2015-05-21T16:43:31Z (GMT). No. of bitstreams: 1 Naira Kaieski_.pdf: 5786537 bytes, checksum: 569a3914f90b146ed5c83be6961e4cbf (MD5) Previous issue date: 2014-07-30 / Nenhuma / Os sistemas computacionais provêem uma série de ferramentas que possibilitam a análise e a extração de conhecimento em um vasto e complexo conjunto de variáveis. O conjunto de dados que compõem um evento, em uma primeira visão sob a forma numérica pura pode não oferecer qualquer tipo de informação mais relevante que subsidie um aprofundamento do estudo. Contudo o emprego de técnicas de visualização em conjunto com metodologias de análise de dados, possibilitam uma compreensão mais sólida de um evento. Possíveis correlações entre as variáveis podem ser evidenciadas mediante o emprego de metodologias de análise, abrindo novas possibilidades de investigação. Enquanto que o emprego de técnicas de visualização de dados apropriadas ao contexto, momento e conjunto de variáveis podem evidenciar informações importantes sobre o evento que permaneciam à sombra dos números. O Vis-Saúde desenvolvido neste trabalho utiliza tecnologias open source para o desenvolvimento de uma metodologia de análise e visualização de dados em um ambiente web onde, se disponíveis, os registros podem ser submetidos à análise e o resultado visualizado em tempo real. Esforços para empregar metodologias de análise e visualização em registros advindos da saúde pública são relevantes a fim de extrair conhecimento do complexo conjunto de dados disponíveis, com o objetivo de orientar a população e os gestores de saúde pública. A metodologia de análise de dados empregada neste trabalho é baseada na análise de componentes principais cujo emprego objetiva encontrar a relação de dependência entre um evento de interesse e outras variáveis relacionadas disponíveis para estudo. A utilização de técnicas de visualização de dados enriquece as possibilidades de compreensão da informação que está sendo estudada. No Vis-Saúde são disponibilizadas duas visualizações georreferenciadas distintas dos registros de saúde, onde ambas são baseadas na região onde o evento ocorreu e apresentadas sobre um mapa geográfico para facilitar a identificação da região de interesse. A primeira contempla a visualização das informações resultantes da análise de dependência entre as variáveis de estudo. A segunda visa facilitar a compreensão da dinâmica da incidência de uma enfermidade com base na apresentação da concentração de ocorrências destas, através de mapas de calor, onde os dados são agrupados em séries temporais e apresentados sob a forma de uma animação mediante a passagem de tempo. A saúde pública é um segmento da administração governamental muito dinâmica, que está constantemente sujeita a situações endêmicas ou epidêmicas. Tal comportamento demanda um monitoramento constante por parte dos gestores a fim de identificar situações graves para as quais devem ser direcionadas ações e recursos. Para demonstrar o funcionamento da metodologia com dados reais, foram utilizados os registros quanto à incidência de dengue no Brasil. A dengue é uma enfermidade presente em todos os estados da federação e que representa um risco grave à saúde coletiva da população, uma vez que a incidência desta doença tem aumentado nos últimos anos. / Computer systems provide a set of tools that allow the analysis and extraction of knowledge in a large and complex set of variables. The set of data that form an event, in a first analysis under numerical form can not show any important information to support a deep study of the data. Although the use of visualization techniques with data analysis methodologies can allow a best comprehension about an event. Possible correlations between variables can be evidenced by the use of methodologies of analysis that open a set of new possibilities of research. The use of data visualization techniques according to the context, moment and set of variables can show important information about an event that was hidden by numbers. Vis-Health shown in this paper used open source technologies to develop an analysis and visualization methodology of data in an web environment, where if the data are available, the registers can be processed and the result shown in real time. Efforts to utilize analysis and visualization methodologies in a set of public health data are relevant to extract knowledge of the complex data set available with the goal of guiding the population and public health managers. The methodology analysis used in this paper is based on principal component analysis with the aim to find the dependency relationship between an event of interest and other related variables available for study. The use of data visualization techniques enhances the possibilities of comprehension of the information that is being studied. Vis-Health provided two distinct georeferenced views of health records, where both are based in the region where the event occurred and displayed on a geographical map for easy identification of the region of interest. The first visualization is showing the result of the dependency analysis between the variables of study. The second one has the aim to make more dynamic the comprehension about the incidence of a disease through the presentation of concentration of events occurred using heat map. In this visualization the data are grouped in temporal series and displayed with an animation with temporal passage. The public health is a very dynamic segment of government administration that is always threatened with endemic or epidemic situations. This behavior requires a constant monitoring of managers to identify serious situations that can require more attention and resources. With the goal to demonstrate the operation of the methodology with real data, the registers about dengue incidence in Brazil were used. Dengue is a disease present in all Brazil’s states and represents a serious risk to the collective health considering that the incidence has increasing in the latest years.