Orientador: Rogério Galante Negri / Coorientador: Jorge Kennety Silva Formiga / Banca: Vivian Silveira dos Santos Bardini / Banca: Lucas Hidenori Okamura / Resumo: Esta pesquisa buscou propor um protocolo para funcionamento de uma ferramenta de auxílio no processo de ensino/aprendizado. Tal protocolo é construído com base nos conceitos de identificação e preenchimento de lacunas de aprendizado, identificadas por intermédio de sucessivos testes rápidos (quiz) que são aplicados durante o desenvolvimento das disciplinas. A fim de verificar o potencial da proposta, e assim motivar a implementação da ferramenta em questão, foi realizado um estudo de caso envolvendo duas turmas de duas disciplinas distintas de graduação da Faculdade Anhanguera de São José dos Campos. A eficácia do processo de ensino investigado foi verificada mediante análises estatísticas, se utilizando dos testes de "Wilcoxon" que visava comparar se houve melhora entre os quizzes do mesmo assunto; "Iteração de uma amostra" que buscou verificar se as melhoras e pioras acontecem de forma aleatória; e "χ^2 para uma amostra" que verificou se a melhora difere com relação ao comportamento mediano esperado. E pôde-se observar resultados favoráveis ao método proposto, o que demonstra eficácia do protocolo, objeto desta pesquisa / Abstract : This project looked for a protocol for the operation of an aid tool in the teaching / learning process. The protocol is based on the concepts of identifying and filling learning gaps, high school sessions, quick tests and tests are applied during the development of the disciplines. In order to verify the potential of the proposal, as well as to motivate the implementation of the tool in question, a case study was carried out on the two classes of undergraduate courses of the Anhanguera Faculty of São José dos Campos. The investigation of the teaching process investigated was used as a statistical database using "Wilcoxon" tests that aimed to compare if there was improvement between the quizzes of the same subject; "Iteration of a sample" that sought to verify if the improvements and worsen happen in a random way; and "���� 2 for one sample" that verified if the improvement differs with respect to the expected median behavior. And it was possible to observe favorable results to the proposed method, which demonstrates effectiveness of the protocol, object of this reasearch / Mestre

Segmentação de uma imagem é um processo de extrema importância em processamento de imagens e consiste em subdividir a imagem em partes constituintes correspondentes a objetos de interesse no domínio de aplicação. Objetos de interesse podem apresentar cores que se caracterizam numa imagem por um conjunto de pixels, que por sua vez possuem um número muito grande de valores cromáticos. Estes conjuntos podem ser denominados por relativamente poucos rótulos lingüísticos atribuídos por seres humanos, caracterizando as cores, representadas por classes. Entretanto, a fronteira entre estas classes é vaga, pois os valores cromáticos que definem a transição de uma cor para outra dependem de diversos fatores do domínio. Esta tese visa contribuir no processo de segmentação de imagens através da proposta de um classificador de pixels exclusivamente por meio do atributo cor. Para lidar com o problema da vagueza entre as classes de cores, emprega-se a teoria dos conjuntos nebulosos. Assim, propõe-se um aprendizado híbrido e incremental de modelos nebulosos de classes de cores constituintes do classificador. O aprendizado híbrido combina os paradigmas de aprendizado supervisionado e não-supervisionado, transferindo a rotulação individual das instâncias (muito custosa) para a rotulação dos grupos de instâncias similares, pelo agente supervisor. Estes grupos são combinados por meio da aplicação de operadores de agregação adequados, que possibilitam uma forma de aprendizado incremental, onde os modelos das classes existentes podem ser revisados ou novas classes, obtidas com a continuidade do treinamento, podem ser incorporadas aos modelos. Propõe-se, ainda, um processo de generalização do modelo, visando sua completude. O classificador proposto foi testado na modelagem da cor da pele humana em imagens adquiridas em condições ambientais controladas e em condições variadas. Os resultados obtidos mostram a eficácia do classificador proposto, obtendo uma detecção robusta e acurada da cor da pele em imagens digitais coloridas. / Image segmentation is a very important process, which aims at subdividing an image in parts that correspond to objects of interest in the application domain. Objects may depict few colors that are represented in an image by a set of pixels presenting a very large range of chromatic values. A relatively small number of human-defined linguistic labels can be assigned to these sets, and these labels characterize colors represented by classes. However, the borders among these classes are fuzzy, since the chromatic values that define the transition from a class to another depend on different domain factors. This thesis contributes in the image segmentation process by proposing a pixel classifier based exclusively on the color attribute. Fuzzy sets theory is used to deal with the problem of fuzziness among color classes. This thesis proposes a hybrid and incremental scheme for learning fuzzy models of color classes included in the classifier. The hybrid-learning scheme combines unsupervised and supervised learning paradigms, transferring the labeling by a supervisor from individual instances (a very computationally costly task) to groups of similar instances. These groups are combined by application of adequate aggregation operators, providing an incremental learning scheme to the classifier, so that models can be revised and new classes can be incorporated into the models. In order to provide completeness to the models, a generalization process is also proposed. The classifier was tested in the human skin color-modeling problem, by using digital color-images captured under controlled and uncontrolled conditions. Experimental results assess its effectiveness, providing a robust and accurate detection of skin color in digital color-images.

Submitted by DANIEL DA SILVA GOMES LIMA null (lima.daniel@gmail.com) on 2017-12-18T11:19:39Z No. of bitstreams: 1 Tese Mestrado - Daniel Lima.pdf: 4060447 bytes, checksum: 162a75ef9c6919e193f182dbe04ee052 (MD5) / Approved for entry into archive by Elza Mitiko Sato null (elzasato@ibilce.unesp.br) on 2017-12-18T14:04:09Z (GMT) No. of bitstreams: 1 lima_dsg_me_sjrp.pdf: 4060447 bytes, checksum: 162a75ef9c6919e193f182dbe04ee052 (MD5) / Made available in DSpace on 2017-12-18T14:04:09Z (GMT). No. of bitstreams: 1 lima_dsg_me_sjrp.pdf: 4060447 bytes, checksum: 162a75ef9c6919e193f182dbe04ee052 (MD5) Previous issue date: 2017-08-01 / O rápido avanço do uso de tecnologias que permitem a coleta dos dados de movimentação de indivíduos gerou como consequência um crescimento no volume de dados de trajetórias. Trabalhos que utilizam esses dados tem como principal objetivo a realização de análises para identificação de padrões que permitam explicar o comportamento do indivíduo durante o movimento. Para que a extração de conhecimento dos dados de trajetória possa ser gerada de uma forma que agregue conteúdo relevante, é necessário que exista um modelo de representação de trajetória que contemple as principais características do movimento no contexto de aplicação utilizado, além de um processo que transforme os dados brutos de trajetória na estrutura definida por esse modelo. Com isso é possível aplicar técnicas e algoritmos para exploração desses dados e geração de conhecimento. As técnicas de aprendizado de máquina em conjunto com a área de representação de conhecimento fornecem a base conceitual para que problemas desse tipo possam ser modelados e soluções possam ser desenvolvidas a fim de solucionar esses problemas. Este trabalho utiliza esses aspectos conceituais para apresentar uma proposta que permite a extração de conhecimento de trajetória. Esse conhecimento é obtido através da identificação dos locais de parada mais relevantes para um indivíduo e do movimento sequencial entres esses locais determinando o conjunto de comportamentos que representam o padrão de movimento do indivíduo em um período. / The rapid advance of the use of technologies that allow the collection of the data of movement of individuals generate as a consequence an increase in the volume of trajectory data. Works that use this data have as main objective the accomplishment of analyzes for identification of patterns that allow to explain the behavior of the individual during the movement. In order to the knowledge extraction of the trajectory data to be generated in a way that aggregates relevant content, there must be a trajectory representation model that considers the main characteristics of the movement in the context of the application used, besides a process that transforms the raw trajectory data in the structure defined by this model. With this it is possible to apply techniques and algorithms for exploration of this data and generation of knowledge. Machine learning techniques in conjunction with the area of knowledge representation provide the conceptual basis for problems of this type to be modeled and solutions can be developed in order to solve these problems. This work uses these conceptual aspects to present a proposal that allows the extraction of knowledge of trajectory. This knowledge is obtained through the identification of the most relevant stop places for an individual and the sequential movement between these places determining the set of behaviors that represent the individual's movement pattern in a period.

Made available in DSpace on 2016-05-17T16:51:39Z (GMT). No. of bitstreams: 0 Previous issue date: 2015-10-13. Added 1 bitstream(s) on 2016-05-17T16:55:22Z : No. of bitstreams: 1 000863304.pdf: 2077644 bytes, checksum: b840a93c470319804fb7f313d43a5e9a (MD5) / Para estudar e classificar imagens é necessário entender as subdivisões que elas apresentam. Para esta finalidade existem técnicas de segmentação de imagens, uma das tarefas de visão computacional, a qual consiste na repartição de uma imagem digital em múltiplos segmentos, regiões ou objetos, com o intuito de facilitar a análise e compreensão. Métodos de segmentação de imagens são frequentemente utilizados para localizar objetos e bordas em imagens. Para tal tarefa, frequentemente são empregados algoritmos de aprendizado de máquina; disciplina científica que trata do projeto e desenvolvimento de algoritmos que melhoram automaticamente com a experiência, imitando o comportamento de aprendizado humano. O processo de aprendizado de máquina pode ser utilizado de diferentes formas, no entanto a categoria de aprendizado semi-supervisionado foi a que melhor se adaptou à proposta deste projeto. Esta categoria representa uma mescla entre o aprendizado supervisionado e o aprendizado não-supervisionado e trabalha com ambos os dados rotulados e não rotulados em sua fase de treinamento, proporcionando o uso de características individuais e/ou por conjunto. Diante da necessidade de combinação do aprendizado semi-supervisionado com a segmentação de imagem, foram estudadas formas de se utilizar informação provenientes de imagens para alimentar o aprendizado de máquina semi-supervisionado. Como resultado deste estudo, o algoritmo de aprendizado semi-supervisionado conhecido como competição e cooperação entre partículas foi estendido para a aplicações na tarefa de segmentação interativa de imagens. Na imagem de entrada, alguns pixels são classificados pelo usuário e servem como pixels de partida para o algoritmo. Estes pontos pré-rotulados são utilizados para criar as partículas no modelo utilizado. Também foram alterados alguns parâmetros de execução e partes estruturais do algoritmo de forma a otimizar a... / To study and classify images it is necessary to understand the subdivisions they present. For this purpose there are image segmentation techniques, one of the computer vision tasks, which consists in the distribution of a digital image into multiple segments, regions or objects, in order to facilitate analysis and understanding. Image segmentation methods are often used for locating objects in images and borders. For this task, machine learning algorithms are often employed; scientific discipline that deals with the design and development of algorithms that automatically improve with experience, imitating the human learning behavior. The machine learning process can be used in different ways, however the category that best adapted to the project proposal, which represents a blend of supervised learning and unsupervised learning, called semi-supervised learning. Such category of algorithms works with both labelled and unlabelled data in their training phase, allowing the use of individual characteristics and or per set. Given the necessity of combining semi-supervised learning with image segmentation, some means of using information delivered from image to feed the semi-supervised learning machine were studied. As a result of this study, the semi-supervised learning algorithm known as competition and cooperation among particles was extended to be applied in the interactive image segmentation task. In the input image, some pixels are classified by the user and serve as a starting pixels to the algorithm. These pre-labeled points are used to create particles in the proposed model. Also, some parameters and algorithm structures were changed to optimize the classification and means of expressing the results in order to make it more suitable for the image segmentation task

Made available in DSpace on 2014-12-17T15:48:00Z (GMT). No. of bitstreams: 1 ReginaRP_DISSERT.pdf: 1401966 bytes, checksum: 6823e0f79e0b8c97c1c944a55bbfe9c4 (MD5) Previous issue date: 2012-05-21 / In the world we are constantly performing everyday actions. Two of these actions are frequent and of great importance: classify (sort by classes) and take decision. When we encounter problems with a relatively high degree of complexity, we tend to seek other opinions, usually from people who have some knowledge or even to the extent possible, are experts in the problem domain in question in order to help us in the decision-making process. Both the classification process as the process of decision making, we are guided by consideration of the characteristics involved in the specific problem. The characterization of a set of objects is part of the decision making process in general. In Machine Learning this classification happens through a learning algorithm and the characterization is applied to databases. The classification algorithms can be employed individually or by machine committees. The choice of the best methods to be used in the construction of a committee is a very arduous task. In this work, it will be investigated meta-learning techniques in selecting the best configuration parameters of homogeneous committees for applications in various classification problems. These parameters are: the base classifier, the architecture and the size of this architecture. We investigated nine types of inductors candidates for based classifier, two methods of generation of architecture and nine medium-sized groups for architecture. Dimensionality reduction techniques have been applied to metabases looking for improvement. Five classifiers methods are investigated as meta-learners in the process of choosing the best parameters of a homogeneous committee. / No universo cotidiano estamos constantemente realizando a??es. Duas dessas a??es s?o frequentes e de grande import?ncia: classificar (distribuir por classes) e tomar decis?o. Quando nos deparamos com problemas com um grau de complexidade relativamente alto, tendemos a buscar outras opini?es, geralmente de pessoas que tenham certo conhecimento ou at? mesmo, na medida do poss?vel, sejam especialistas no dom?nio do problema em quest?o, de forma que nos ajudem no processo de tomada de decis?o. Tanto no processo de classifica??o quanto em um processo de tomada de decis?o, somos orientados pela considera??o das caracter?sticas envolvidas no problema espec?fico. A caracteriza??o de um conjunto de objetos faz parte do processo de tomada de decis?o em geral. Em Aprendizado de M?quina essa classifica??o acontece atrav?s de um algoritmo de aprendizado e a caracteriza??o ? aplicada ?s bases de dados. Os algoritmos de classifica??o podem ser empregados individualmente ou em forma de comit?s de m?quinas. A escolha dos melhores m?todos a serem utilizados na constru??o de um comit? ? uma tarefa bastante ?rdua. Neste trabalho, ser?o investigadas t?cnicas de meta-aprendizagem na sele??o dos melhores par?metros de configura??o de comit?s homog?neos para aplica??es em problemas diversos de classifica??o. Tais par?metros s?o: o classificador base, a arquitetura e o tamanho desta arquitetura. Foram investigados nove tipos de indutores candidatos a classificador base, dois m?todos de gera??o de arquitetura e tr?s grupos de tamanho m?dio para arquitetura, pequeno, m?dio e grande. Ante um desempenho fraco no processo de meta-aprendizagem foram aplicadas t?cnicas de redu??o de dimensionalidade ?s metabases e seis novos crit?rios de tamanho m?dio da arquitetura foram estabelecidos. Cinco m?todos classificadores s?o investigados como meta-aprendizes no processo de escolha dos melhores par?metros de um comit? homog?neo.

Orientador: Maurílio Boaventura / Coorientador: Inês Aparecida Gasparotto Boaventura / Banca: Adilson Gonzaga / Banca: Luís Gustavo Nonato / Resumo: Aplicações que fazem uso de reconhecimento de impressões digitais estão presentes em muitos contextos do dia a dia, por exemplo, transações em caixas automáticos, registro eletrônico de ponto em empresas e, desde 2008, no processo eleitoral brasileiro. A comparação entre impressões digitais geralmente é feita com base nas posições relativas de pequenos padrões conhecidos como minúcias. Estudos científicos recentes demonstram a possibilidade de confecção de impressões digitais sintéticas, que apresentam a cópia das minúcias presentes em um dedo autêntico, a partir de materiais simples como massa de modelar, silicone, cola de madeira, dentre outros. Diante do perigo iminente de fraude em sistemas biométricos, surgiu uma nova linha de pesquisa: a detecção de impressões digitais fraudulentas (spoofs). Atualmente, estão presentes na literatura alguns métodos capazes de amenizar este problema, mas este ainda é um problema em aberto. O presente trabalho concentra-se na detecção de impressões digitais fraudulentas utilizando técnicas de processamento de imagens e reconhecimento de padrões. A principal contribuição desse estudo é uma nova técnica com a qual as falsificações são detectadas a partir da análise de micropadrões espaciais extraídos das impressões digitais. Além disso, é desenvolvida neste trabalho a versão multiescala do micropadrão espacial conhecido como Padrão Mapeado Localmente (Local Mapped Pattern - LMP). Os experimentos conduzidos mostraram que, através da técnica proposta, é possível alcançar uma detecção com performances superiores aos resultados encontrados no estado da arte na literatura científica especializada / Abstract: Applications which use fingerprint recognition are present in many contexts of everyday life, for example, transactions at ATMs, electronic registration point in companies and, since 2008, in the Brazilian electoral process. The fingerprint matching is usually made based on the relative positions of small patterns known as minutiae. Recent scientific researches show the possibility of making synthetic fingerprints, which have a copy of these minutiae in an authentic finger, from simple materials such as play dough, silicone, wood glue, among others. Faced with the imminent danger of fraud in biometric systems, a new line of research emerged: the detection of fake fingerprints (spoofs). Currently, they are in the literature some methods to minimize this problem, but this is still an open problem. The present study focuses on the detection of fake fingerprints using image processing and pattern recognition techniques. The main contribution of this study is a new technique with which the fakes one are detected from the analysis of spatial micro patterns extracted from the fingerprints. Moreover, it is developed in this work, the multi-scale version of the space micro pattern known as Local Mapped Pattern (LMP). The experiments carried out have shown that through the proposed technique, it is possible to achieve a higher detection performances with the results found state of the art in the specialized literature / Mestre

Orientador: Daniel Carlos Guimarães Pedronette / Coorientador: Denis Henrique Pinheiro Salvadeo / Banca: Marco Antonio Garcia de Carvalho / Banca: Fabricio Aparecido Breve / Resumo: Os estágios iniciais da doença de Alzheimer são comumente confundidos com o processo natural de envelhecimento. Adicionalmente, a metodologia envolvida no diagnóstico por radiologistas pode ser subjetiva e difícil de documentar. Neste cenário, o desenvolvimento de abordagens acessíveis capazes de auxiliar no diagnóstico precoce da doença de Alzheimer é crucial. Várias abordagens têm sido empregadas com este objetivo, especialmente utilizando imagens de ressonância magnética cerebral. Embora resultados com precisão satisfatória tenham sido obtidos, a maioria das abordagens requer etapas de pré-processamento muito específicas, baseadas na anatomia do cérebro. Neste trabalho, apresentamos uma nova abordagem de recuperação de imagens para auxílio ao diagnóstico da doença de Alzheimer, com base em descritores de propósito geral e uma etapa de pós-processamento não supervisionada. Os exames de ressonância magnética cerebral são processados e recuperados através de descritores de uso geral sem nenhuma etapa de pré-processamento. Dois algoritmos de aprendizado não-supervisionados baseados em ranqueamento foram aplicados para melhorar a eficácia dos resultados iniciais: os algoritmos RL-Sim e ReckNN. Os resultados experimentais demonstram que a abordagem proposta é capaz de atingir resultados de recuperação eficazes, sendo adequada para auxiliar no diagnóstico da doença de Alzheimer / Abstract: Initial stages of Alzheimer's disease are easily confused with the normal aging process. Additionally, the methodology involved in the diagnosis by radiologists can be subjective and difficult to document. In this scenario, the development of accessible approaches capable of supporting the early diagnosis of Alzheimer's disease is crucial. Various approaches have been employed with this objective, specially using brain MRI scans. Although certain satisfactory accuracy results have been achieved, most of the approaches require very specific pre-processing steps based on the brain anatomy. In this work, we present a novel image retrieval approach for supporting the Alzheimer's disease diagnostic, based on general purpose features and an unsupervised post-processing step. The brain MRI scans are processed and retrieved through general visual features without any pre-processing step. Two rank-based unsupervised distance learning algorithms were used for improving the effectiveness of the initial results: the RL-Sim and ReckNN algorithms. Experimental results demonstrate that the proposed approach can achieve effective retrieval results, being suitable in aiding the diagnosis of Alzheimer's disease / Mestre

Orientador: Vicente Lopes Júnior / Resumo: Este trabalho introduz uma nova metodologia de Monitoramento da Integridade de Estruturas (SHM, do inglês Structural Health Monitoring) utilizando algoritmos de aprendizado de máquina não-supervisionado para localização e detecção de dano. A abordagem foi testada em material isotrópico (placa de alumínio). Os dados experimentais foram cedidos por Rosa (2016). O banco de dados disponibilizado é abrangente e inclui medidas em diversas situações. Os transdutores piezelétricos foram colados na placa de alumínio com dimensões de 500 x 500 x 2mm, que atuam como sensores e atuadores ao mesmo tempo. Para manipulação dos dados foram analisados os sinais definindo o primeiro pacote do sinal (first packet), considerando apenas o intervalo de tempo igual ao tempo da força de excitação. Neste caso, na há interferência dos sinais refletidos nas bordas da estrutura. Os sinais são obtidos na situação sem dano (baseline) e, posteriormente nas diversas situações de dano. Como método de avaliação do quanto o dano interfere em cada caminho, foram implementadas as seguintes métricas: pico máximo, valor médio quadrático (RMSD), correlação entre os sinais, normas H2 e H∞ entre os sinais baseline e sinais com dano. Logo após o cálculo das métricas para as diversas situações de dano, foi implementado o algoritmo de aprendizado de máquina não-supervisionado K-Means no matlab e também testado no toolbox Weka. No algoritmo K-Means há a necessidade da pré-determinação do número de clusters e isto pode di... (Resumo completo, clicar acesso eletrônico abaixo) / Mestre

Orientador: Daniel Carlos Guimarães Pedronette / Resumo: A quantidade vertiginosa de conteúdo multimídia acumulada diariamente tem demandado o desenvolvimento de abordagens eficazes de recuperação. Nesse contexto, ferramentas de reconhecimento de locutor capazes de identificar automaticamente um indivíduo pela sua voz são de grande relevância. Este trabalho apresenta uma nova abordagem de reconhecimento de locutor modelado como um cenário de recuperação e usando algoritmos de aprendizado não supervisionado recentes. A abordagem proposta considera Coeficientes Cepstrais de Frequência Mel (MFCCs) e Coeficientes de Predição Linear Perceptual (PLPs) como características de locutor, em combinação com múltiplas abordagens de modelagem probabilística, especificamente Quantização Vetorial, Modelos por Mistura de Gaussianas e i-vectors, para calcular distâncias entre gravações de áudio. Em seguida, métodos de aprendizado não supervisionado baseados em ranqueamento são utilizados para aperfeiçoar a eficácia dos resultados de recuperação e, com a aplicação de um classificador de K-Vizinhos Mais Próximos, toma-se uma decisão quanto a identidade do locutor. Experimentos foram conduzidos considerando três conjuntos de dados públicos de diferentes cenários e carregando ruídos de diversas origens. Resultados da avaliação experimental demonstram que a abordagem proposta pode atingir resultados de eficácia altos. Adicionalmente, ganhos de eficácia relativos de até +318% foram obtidos pelo procedimento de aprendizado não supervisionado na tarefa de... / Abstract: The huge amount of multimedia content accumulated daily has demanded the development of effective retrieval approaches. In this context, speaker recognition tools capable of automatically identifying a person through their voice are of great relevance. This work presents a novel speaker recognition approach modelled as a retrieval scenario and using recent unsupervised learning methods. The proposed approach considers Mel-Frequency Cepstral Coefficients (MFCCs) and Perceptual Linear Prediction Coefficients (PLPs) as features along with multiple modelling approaches, namely Vector Quantization, Gaussian Mixture Models and i-vector to compute distances among audio objects. Next, rank-based unsupervised learning methods are used for improving the effectiveness of retrieval results and, based on a K-Nearest Neighbors classifier, an identity decision is taken. Several experiments were conducted considering three public datasets from different scenarios, carrying noise from various sources. Experimental results demonstrate that the proposed approach can achieve very high effectiveness results. In addition, effectiveness gains up to +318% were obtained by the unsupervised learning procedure in a speaker retrieval task. Also, accuracy gains up to +7,05% were obtained by the unsupervised learning procedure in a speaker identification task considering recordings from different domains / Mestre

Orientador: Fabricio Aparecido Breve / Banca: Denis Henrique Pinheiro Salvadeo / Banca: Diego Raphael Amancio / Resumo: O Aprendizado de Máquina é uma área que vem crescendo nos últimos anos e é um dos destaques dentro do campo de Inteligência Artificial. Atualmente, uma das subáreas mais estudadas é o Aprendizado Semi-Supervisionado, principalmente pela sua característica de ter um menor custo na rotulação de dados de exemplo. A categoria de modelos baseados em grafos é a mais ativa nesta subárea, fazendo uso de estruturas de redes complexas. O algoritmo de competição e cooperação entre partículas é uma das técnicas deste domínio. O algoritmo provê acurácia de classificação compatível com a de algoritmos do estado da arte, e oferece um custo computacional inferior à maioria dos métodos da mesma categoria. Neste trabalho é apresentado um estudo sobre Aprendizado Semi-Supervisionado, com ênfase em modelos baseados em grafos e, em particular, no Algoritmo de Competição e Cooperação entre Partículas (PCC). O objetivo deste trabalho é propor um novo algoritmo de competição e cooperação entre partículas baseado neste modelo, com mudanças na caminhada pelo grafo, com informações de dominância sendo mantidas nas arestas ao invés dos nós; as quais possam melhorar a acurácia de classificação ou ainda o tempo de execução em alguns cenários. É proposta também uma metodologia de avaliação da rede obtida com o modelo de competição e cooperação entre partículas, para se identificar a melhor métrica de distância a ser aplicada em cada caso. Nos experimentos apresentados neste trabalho, pode ser visto que... / Abstract: Machine Learning is an increasing area over the last few years and it is one of the highlights in Artificial Intelligence area. Nowadays, one of the most studied areas is Semi-supervised learning, mainly due to its characteristic of lower cost in labeling sample data. The most active category in this subarea is that of graph-based models, using complex networks concepts. The Particle Competition and Cooperation in Networks algorithm (PCC) is one of the techniques in this field. The algorithm provides accuracy compatible with state of the art algorithms, and it presents a lower computational cost when compared to most techniques in the same category. In this project, it is presented a research about semi-supervised learning, with focus on graphbased models and, in special, the Particle Competition and Cooperation in Networks algorithm. The objective of this study is to base proposals of new particle competition and cooperation algorithms based on this model, with new dynamics on the graph walking, keeping dominance information on the edges instead of the nodes; which may improve the accuracy classification or yet the runtime in some situations. It is also proposed a method of evaluation of the network built with the Particle Competition and Cooperation model, in order to infer the best distance metric to be used in each case. In the experiments presented in this work, it can be seen that the proposed algorithm presented better accuracy when compared to the PCC for some datasets, while the proposed distance metrics evaluation achieved a high precision level in most cases / Mestre