En el camp de l'Anàlisi de Documents voldríem ser capaços de processar automàticament qualsevol tipus de document digital i d'extreure la informació rellevant. és a dir, voldríem conËixer la configuració del document, identificar cadascuna de les seves parts i reconËixer els seus continguts; per a poder fer cerques entre les components del document, però també, per fer cerques entre documents diferents. Aquest és un problema difícil que ha motivat diferents línies de recerca a diferents nivells. S'ha desenvolupat tot una sèrie de tècniques destinades a pre-processar la imatge per augmentar la seva qualitat, reduint el soroll dels sistemes d'adquisició i minimitzant els efectes de la degradació dels documents. També trobem molts treballs en la segmentació destinats a separar les àrees d'interès de la resta del document. Finalment, des de finals dels anys 60 fins a l'actualitat s'han proposat molts tipus descriptors que pretenen representar i identificar aquestes àrees d'interès.En aquesta tesis ens hem centrat en el darrer d'aquests problemes, la descripció de formes però també en la fusió de classificadors per a aplicar-los a una de les apliacions de l'Anàlisi de Documents, el reconeixement de símbols gràfics. En el reconeixement de formes, moltes aplicacions han de fer front al problema de descriure un conjunt gran i complex de formes per a reconèixer-les, o per a recuperar-les de gran bases de dades. En alguns casos, a més del gran nombre de formes, podem trobar altres dificultats com són la semblança entre formes o la variabilitat de classes de símbols. En aquest casos, un punt clau en el procés de reconeixement de formes és la definició de descriptors de gran capacitat de discriminació. Malauradament, un sol tipus de descriptors no sol ser suficient per aconseguir resultats satisfactoris i per tant, hem de combinar la informació provinent de diferents fonts per a millorar el comportament global del sistema de reconeixement. Aquesta combinació de la informació la hem realitzat a travÈs de la fusió de classificadors.En relació a la descripció de formes, tradicionalment els símbols gràfics s'han representat mitjançant descriptors estructurals, construïts a partir d'una representació vectorial. Els mètodes de vectorització són sensibles al soroll i a les distorsions dels símbols esboçats. Podem intentar evitar aquest problema definint gramàtiques o construint models deformables dels símbols. Una altra possibilitat, la que hem seguit en aquest treball, és fer servir descriptors que no necessiten d'una representació vectorial. En el context de la descripció de formes hem proposat un descriptor basat en la transformada de crestetes -en anglès "ridgelets"- que, gràcies a que hem unificat la terminologia i hem introduït un vocabulari per explicar i classificar els descriptors, podem definir com: multiresolució, polar, 2D, que conserva la informació i invariant a les similituds. D'altre banda, la propietat de multiresolució de la transformada de crestetes fa que obtinguem una representació en diferents nivells de resolució que ens permet dividir-la en grups de coeficients de crestetes que es poden considerar com a descriptors. D'aquesta manera, hem entrenat un classificador per a cada descriptor, i hem proposat unes regles de combinació lineals, IN i DN, que minimitzen l'error de classificació per aquells classificadors que compleixin un conjunt de restriccions, relatives a la distribució i dependËncia dels classificadors.Aquests enfocs teòrics han estat avaluats a partir d'un conjunt d'experiments que ens han donat els següents resultats: Els descriptors de crestetes descriuen millor els símbols que altres descriptors més genèrics. Els mètodes IN i DN redueixen l'error de classificació en relació a d'altres mètodes de referència. Per últim, el mètode IN aplicat als descriptors de crestetes, en combinació amb classificadors de tipus "boosting" aconsegueix uns encerts de reconeixement propers als 100% en les proves definides per a la base de dades de símbols gràfics del GREC'03. / In the field of Document Analysis we would like to be able to automatically process any kind of digital document. We mean extracting the document layout and identifying each of its parts, recognising its contents and organising them in order to make searches of its components, through the document itself, but also through different documents. This is a challenger problem that has motivated different lines of research in the field of Document Analysis at different levels: Pre-processing techniques have been developed to upgrade the quality of the document image, reducing noise from the input devices and minimizing the effects of the degradation of documents. A deep study in segmentation has been carried out in order to separate the regions of interest from the document background. Finally, many descriptors have been proposed for representing and identifying these regions of interest since the end of 60s until now.In this thesis, we have focused on, this last problem, the shape description description and also on classifier fusion, to apply them to one of the application fields in the Document Analysis: the graphics recognition. In shape recognition, many applications have to face the problem of describing a large number of complex shapes for recognition or retrieval in large databases. Besides the large number of shapes, we can find other challenges for shape description, such as the similarity among some of the shapes or the variability of the shape classes. In these cases, one of the key issues is the design of highly discriminant shape descriptors. Unfortunately, one kind of descriptor is not usually enough to achieve satisfactory results and hence, we have to combine the information from different sources to improve the global performance of the recognition system. We have carried out this combination of information using classifier fusion. Concerning shape description, traditionally graphics have been represented using structural descriptors, which are based on a vectorial representation of the shape. Vectorization is quite sensitive to noise and to distortions of sketched symbols. We can try to overcome this problem using grammar descriptors or deformable models of shapes. Another possibility, which is the followed in this dissertation, is to propose descriptors that do not need a vectorial representation of the symbol. Thereby, in the context of shape description, we have proposed a descriptor based on the ridgelets transform which, thanks to we have unified the terminology used in shape description and the introduced vocabulary, we can define as: 2D, polar and multi-resolution descriptor information preserving and invariant to similarities. On the other hand, although ridgelets descriptor can be considered as a single descriptor, it offers a shape representation divided into groups of coefficients, which permit us to consider them as single descriptors. Thus, for each descriptor, we have trained a classifier and we have proposed two linear combination rules, IN and DN, that minimize the classification error of classifiers verifying a set of constraints concerning the dependence and the distribtuion of classifers.These theoretical approaches have been evaluated through an experimental evaluation in ridgelets descriptors, classifier fusion and applying the classifier fusion methods to ridge lets descriptors, obtaining the following results: Ridgelets descriptors have proven to represent graphics symbols better than general purpose descriptors. IN and DN methods reduce the misclassification rates regarding other reference fusion methods. Finally, the IN method applied to ridgelets descriptor, in combination of boosting algorithms, has reached recognition rates near to 100% in the test defined for the GREC'03 database.

Recently computational topology had an important development in data analysis giving birth to the field of Topological Data Analysis. Persistent homology appears as a fundamental tool based on the topology of data that can be represented as points in metric space. In this work, we apply techniques of Topological Data Analysis, more precisely, we use persistent homology to calculate topological features more persistent in data. In this sense, the persistence diagrams are processed as feature vectors for applying Machine Learning algorithms. In order to classification, we used the following classifiers: Partial Least Squares-Discriminant Analysis, Support Vector Machine, and Naive Bayes. For regression, we used Support Vector Regression and KNeighbors. Finally, we will give a certain statistical approach to analyze the accuracy of each classifier and regressor. / Recentemente a topologia computacional teve um importante desenvolvimento na análise de dados dando origem ao campo da Análise Topológica de Dados. A homologia persistente aparece como uma ferramenta fundamental baseada na topologia de dados que possam ser representados como pontos num espaço métrico. Neste trabalho, aplicamos técnicas da Análise Topológica de Dados, mais precisamente, usamos homologia persistente para calcular características topológicas mais persistentes em dados. Nesse sentido, os diagramas de persistencia são processados como vetores de características para posteriormente aplicar algoritmos de Aprendizado de Máquina. Para classificação, foram utilizados os seguintes classificadores: Análise de Discriminantes de Minimos Quadrados Parciais, Máquina de Vetores de Suporte, e Naive Bayes. Para a regressão, usamos a Regressão de Vetores de Suporte e KNeighbors. Finalmente, daremos uma certa abordagem estatística para analisar a precisão de cada classificador e regressor.

O aumento constante da demanda por sistemas computacionais cada vez mais eficientes tem motivado a busca por sistemas híbridos customizados compostos por GPP (General Purpose Processor), FPGAs (Field-Programmable Gate Array) e GPUs (Graphics Processing Units). Quando utilizados em conjunto possibilitam otimizar a relação entre desempenho e consumo de energia. Tais sistemas dependem de técnicas que façam o mapeamento mais adequado considerando o perfil do código fonte. Nesse sentido, este projeto propõe uma técnica para realizar o mapeamento entre GPP e FPGA. Para isso, utilizou-se como base uma abordagem de mineração de dados que avalia a similaridade entre código fonte. A técnica aqui desenvolvida obteve taxas de acertos de 65,67% para códigos sintetizados para FPGA com a ferramenta LegUP e 59,19% para Impulse C, considerando que para GPP o código foi compilado com o GCC (GNU Compiler Collection) utilizando o suporte a OpenMP. Os resultados demonstraram que esta abordagem pode ser empregada como um ponto de decisão inicial no processo de mapeamento em sistemas híbridos, somente analisando o perfil do código fonte sem que haja a necessidade de execução do mesmo para a tomada de decisão. / The steady increasing on demand for efficient computer systems has been motivated the search for customized hybrid systems composed by GPP (general purpose processors), FPGAs (Field- Programmable Gate Array) and GPUs (Graphics Processing Units). When they are used together allow to exploit their computing resources to optimize performance and power consumption. Such systems rely on techniques make the most appropriate mapping considering the profile of source code. Thus, this project proposes a technique to perform the mapping between GPP and FPGA. For this, it is applied a technique based on a data mining approach that evaluates the similarity between source code. The proposed method obtained hit rate 65.67% for codes synthesized in FPGA using LegUP tool and 59.19% for Impulse C tool, whereas for GPP, the source code was compiled on GCC (GNU Compiler Collection) using OpenMP. The results demonstrated that this approach can be used as an initial decision point on the mapping process in hybrid systems, only analyzing the profile of the source code without the need for implementing it for decision-making.

Orientador: Gener Tadeu Pereira / Resumo: O manejo florestal é de grande valia para aprimorar o processo de condução de florestas plantadas. As tecnologias inovadoras podem ser utilizadas como apoio na melhoria de processos, como o uso de veículos aéreos não tripulados (VANTs), que vêm destacando-se por suas inúmeras aplicações. O objetivo deste trabalho foi avaliar a eficiência das imagens aéreas obtidas por sensores a bordo de VANT para a detecção e a estimativa da sobrevivência de rebrotas em povoamento de Eucalyptus spp e verificar a viabilidade do uso de VANT para obter a estimativa de rebrotas em povoamento de eucalipto, tendo como testemunha as técnicas tradicionais de levantamento em campo para a avaliação de sobrevivência de 90 até 110 dias após a colheita, quantificando o número de regenerações presentes nos talhões observados. O estudo foi conduzido em uma área com indivíduos de uma floresta plantada da cultura de Eucalyptus spp, localizada no município de Capão Bonito – SP. A técnica estatística utilizada foi o classificador de máxima verossimilhança implementado no Sistema de Informação Geográfica (SIG). Concluiu-se que o classificador de máxima verossimilhança apresenta precisão (confiabilidade nas informações retornadas). Assim o processo de classificação por sensor de VANT foi eficiente para aprimorar o manejo em campo. / Abstract: The forest management is of great value to improve the process of management in planted forests. Innovative technologies can be used as support in improving processes, such as the use of Unmanned Aerial Vehicle (UAV), that have been outstanding for their many applications. The objective of this work was to evaluate the efficiency of aerial images obtained by sensors aboard UAV for detecting and estimating the survival of sprouts in Eucalyptus spp. eucalyptus, bearing in mind the traditional techniques of field survey for survival evaluation from 90 to 110 days after harvest, quantifying the number of regenerations present in the fields observed. The study was conducted in an area with individuals from a planted forest of Eucalyptus spp, located in Capão Bonito - SP. The statistical technique used was the maximum likelihood classifier implemented in the Geographic Information System (GIS). It was concluded that the maximum likelihood classifier presents precision (reliability in the information returned). The process UAV sensor image classification process was efficient to improve field management. / Mestre

Made available in DSpace on 2014-06-12T17:37:37Z (GMT). No. of bitstreams: 2 arquivo5327_1.pdf: 3795343 bytes, checksum: 53dfb936f7e066072a84802d104d3842 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Este trabalho se propõe a apresentar uma metodologia para classificar o nível de poluição presente na superfície dos isoladores aéreos de alta tensão, ou seja, diagnosticar o estado do isolamento do sistema elétrico de transmissão através da técnica de reconhecimento de padrões dos sinais de ultra-som emitidos por descargas superficiais nos isoladores a serem classificados via Redes Neurais Artificiais (RNA). Visando este objetivo, foram utilizadas neste trabalho técnicas de extração de atributos dos sinais de entrada da RNA visando viabilizar a execução computacional do treinamento e simulação da rede. Pode-se citar como técnicas de extração utilizadas: o Centróide, Parâmetros Estatísticos e no Domínio da Freqüência. Na aplicação das RNA além da Rede Perceptrons de Múltiplas Camadas (MLP), também foi simulada a Rede de Funções de Bases Radiais (RBF) com o objetivo de realizar uma análise comparativa dos resultados das redes na montagem de processos de classificação, utilizando a técnica de extração de atributos que resultou um melhor desempenho para as redes MLP

Submitted by Alciano Oliveira (alcianoliveira@gmail.com) on 2017-01-10T03:09:14Z No. of bitstreams: 1 Oliveira_dhe_me_sjrp.pdf: 2092453 bytes, checksum: 94092310c872107bbc01f5999659f295 (MD5) / Approved for entry into archive by LUIZA DE MENEZES ROMANETTO (luizamenezes@reitoria.unesp.br) on 2017-01-12T19:41:44Z (GMT) No. of bitstreams: 1 oliveira_agg_me_sjrp.pdf: 2092453 bytes, checksum: 94092310c872107bbc01f5999659f295 (MD5) / Made available in DSpace on 2017-01-12T19:41:44Z (GMT). No. of bitstreams: 1 oliveira_agg_me_sjrp.pdf: 2092453 bytes, checksum: 94092310c872107bbc01f5999659f295 (MD5) Previous issue date: 2016-11-29 / Atualmente, as instituições de ensino, em sua grande maioria, estão disponibilizando cursos na modalidade de ensino a distância com o intuito de possibilitar aos indivíduos que não podem frequentar as aulas regularmente a realização de estudos a distância. Em muitos casos, os indivíduos desistem dessa modalidade de ensino sem concluir os estudos, isso se deve a vários fatores, sendo um deles, a dificuldade no entendimento do conteúdo disponibilizado durante as aulas devido a forma com que o mesmo é apresentado. Esta dissertação apresenta a utilização da lógica nebulosa em um classificador computacional, que tem por objetivo classificar indivíduos por aspectos cognitivos que estão relacionados com a Teoria das Inteligências Múltiplas propostas, originalmente, por Howard Gardner. O resultado dessa classificação possibilita direcionar os indivíduos para ambientes de ensino em que o conteúdo esteja adequado ao seu perfil cognitivo. Os testes foram realizados utilizando uma ferramenta acadêmica de mineração de dados que possibilitou determinar padrões cognitivos em cada indivíduo pela inserção de dados de entrada obtidos por meio da aplicação de um questionário e retornando os aspectos cognitivos mais aflorados de cada indivíduo. Após validados, os resultados mostraram aproximadamente 67% das classificações condizentes com os aspectos cognitivos identificados em aula. / Most educational institutions are offering distance-learning courses, in order to enable individuals who cannot attend classes regularly, to conduct their studies. In many cases, individuals drop out of this mode of teaching without completing their studies. One of the factors for that being the difficulty in understanding the content due to the way content is presented. This dissertation presents the use of fuzzy logic in a computational classifier that aims to classify individuals by cognitive aspects related to Howard Gardner’s Theory of Multiple Intelligences. The outcome of such a classifier makes it possible to direct individuals to learning environments in which the content is presented according to his/her main cognitive profile. The tests were performed using a data mining academic tool that allowed determining cognitive patterns for each individual by inputting data obtained from a questionnaire and returning the cognitive aspect most outlined in each individual. After validated, about 67% of the classification outcomes were considered in accordance to the cognitive aspects identified in classroom observations.

Made available in DSpace on 2014-06-12T16:00:26Z (GMT). No. of bitstreams: 2 arquivo6609_1.pdf: 1572704 bytes, checksum: 1b78e99bab6319081e75d92d5e7f2d0d (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2007 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / A Análise de Dados Simbólicos (Symbolic Data Analysis) é um domínio na área de descoberta automática de conhecimento que visa desenvolver métodos para dados descritos por variáveis que podem assumir como valor conjuntos ou listas de categorias, intervalos ou distribuições de probabilidade. Essas variáveis permitem levar em conta a variabilidade e/ou a incerteza presente nos dados. Este trabalho apresenta um classificador simbólico de semântica modal para dados simbólicos de tipo intervalo. O classificador proposto apresenta duas etapas básicas, a aprendizagem e a alocação, onde ambas necessitam de uma etapa precedente de préprocessamento que transforma os dados simbólicos do tipo intervalo em dados simbólicos modal. Cada exemplo do conjunto de aprendizagem é descrito por um vetor de intervalos. Após o pré-processamento, cada exemplo passa a ser descrito por um vetor de distribuições de pesos. Após a etapa de aprendizagem, cada classe é também descrita por um vetor de distribuições de pesos que sintetiza as informações dos exemplos da classe. Cada novo exemplo a ser atribuído a uma classe (etapa de alocação), representado por um vetor de intervalos, após a fase de pré-processamento passa a ser descrito por um vetor de distribuições de pesos. A alocação de um exemplo a uma classe é realizada através de funções de dissimilaridade que comparam pares de vetores de distribuições de pesos. Algumas funções de dissimilaridade desse tipo são consideradas nesse trabalho. A avaliação do desempenho desse classificador é realizada através da aplicação do mesmo a conjuntos de dados sintéticos em uma experiência Monte Carlo e a conjuntos de dados reais usando a técnica de validação cruzada leave-one-out. O desempenho é medido pela taxa (média) de erro de classificação e pelo tempo de execução das etapas de aprendizagem e classificação. Além disso, o desempenho desse classificador foi comparado com o desempenho de um classificador de tipo k-vizinhos mais próximos também de semântica modal. Através desses exemplos, esse trabalho mostra alguns dos interesses desse classificador de semântica modal

Made available in DSpace on 2014-06-12T16:25:14Z (GMT). No. of bitstreams: 2 arquivo2032_1.pdf: 6755579 bytes, checksum: 4f2a789d1d373e9bd8163278909720a7 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / A avaliação de classificadores automáticos de imagens QUICKBIRD em relação à classificação visual integrada a visita de campo para comprovação da verdade terrestre, permite testar classificadores automáticos de imagens submétricas, indicando as vantagens e restrições na identificação de alvos. A observação da ocupação do solo nas áreas de preservação ambiental aplicando a avaliação de classificação visual e classificadores automáticos representam importante contribuição metodológica, principalmente nas ocupações subnormais nas margens de corpos de água. Uma área teste no entorno e margem da lagoa Olho D Água, Jaboatão dos Guararapes, Pernambuco, foi usada para analisar testes de alguns classificadores automáticos e classificação visual integrada à inspeção visual e fotográfica dos alvos em campo da imagem QUICKBIRD de 2005 georreferenciada em UTM/SAD/69. A área de estudo está inserida na Zona de Proteção Ambiental Z4.10 de acordo com a Legislação Urbanística Básica do Município de Jaboatão dos Guararapes, Lei nº165 de 20/11/1980, e Área de Preservação Permanente, APP, conforme Resolução 303/2002 do CONAMA (Conselho Nacional do Meio Ambiente), tendo sido realizada carta imagem e zoneamento temático usando o ARCVIEW usando imagem RGB QUICKBIRD das áreas de preservação conforme a legislação referida, áreas livres, áreas de solo exposto, áreas construídas e áreas com cobertura vegetal, indicando que 4,946 ha de área construída estão dentro da Z4.10, do total de 102,261 ha de área construída. A metodologia de aplicação dos classificadores consistiu em síntese em classificar os alvos água, solo exposto, área construída e vegetação, realizando: 1- segmentação da imagem fusionada multiespectral (RGB) QUICKBIRD de 0,6 m de pixel; 2- realce por componentes principais com diferentes limiares de similaridade; 3- uso dos classificadores automáticos ISOSEG e BHATTACHARRYA, classificação visual da imagem RGB com o software SPRING. Na avaliação, o classificador BHATTACHARRYA com limiar de aceitação de 95% foi o que mais de aproximou da análise visual da imagem original RGB assumida como referencia. Na avaliação da classificação visual dos alvos a imagem de referência RGB integrada à visita de campo, e comparada à classificação BHATTACHARRYA, as regiões da interface água/solo foram bem definidas, demonstrando a utilidade da metodologia para separar alvos em regiões complexas de ocupação subnormal e protegidas pela legislação ambiental

Made available in DSpace on 2014-06-12T16:31:14Z (GMT). No. of bitstreams: 2 arquivo524_1.pdf: 6755579 bytes, checksum: 4f2a789d1d373e9bd8163278909720a7 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / A avaliação de classificadores automáticos de imagens QUICKBIRD em relação à classificação visual integrada a visita de campo para comprovação da verdade terrestre, permite testar classificadores automáticos de imagens submétricas, indicando as vantagens e restrições na identificação de alvos. A observação da ocupação do solo nas áreas de preservação ambiental aplicando a avaliação de classificação visual e classificadores automáticos representam importante contribuição metodológica, principalmente nas ocupações subnormais nas margens de corpos de água. Uma área teste no entorno e margem da lagoa Olho D Água, Jaboatão dos Guararapes, Pernambuco, foi usada para analisar testes de alguns classificadores automáticos e classificação visual integrada à inspeção visual e fotográfica dos alvos em campo da imagem QUICKBIRD de 2005 georreferenciada em UTM/SAD/69. A área de estudo está inserida na Zona de Proteção Ambiental Z4.10 de acordo com a Legislação Urbanística Básica do Município de Jaboatão dos Guararapes, Lei nº165 de 20/11/1980, e Área de Preservação Permanente, APP, conforme Resolução 303/2002 do CONAMA (Conselho Nacional do Meio Ambiente), tendo sido realizada carta imagem e zoneamento temático usando o ARCVIEW usando imagem RGB QUICKBIRD das áreas de preservação conforme a legislação referida, áreas livres, áreas de solo exposto, áreas construídas e áreas com cobertura vegetal, indicando que 4,946 ha de área construída estão dentro da Z4.10, do total de 102,261 ha de área construída. A metodologia de aplicação dos classificadores consistiu em síntese em classificar os alvos água, solo exposto, área construída e vegetação, realizando: 1- segmentação da imagem fusionada multiespectral (RGB) QUICKBIRD de 0,6 m de pixel; 2- realce por componentes principais com diferentes limiares de similaridade; 3- uso dos classificadores automáticos ISOSEG e BHATTACHARRYA, classificação visual da imagem RGB com o software SPRING. Na avaliação, o classificador BHATTACHARRYA com limiar de aceitação de 95% foi o que mais de aproximou da análise visual da imagem original RGB assumida como referencia. Na avaliação da classificação visual dos alvos a imagem de referência RGB integrada à visita de campo, e comparada à classificação BHATTACHARRYA, as regiões da interface água/solo foram bem definidas, demonstrando a utilidade da metodologia para separar alvos em regiões complexas de ocupação subnormal e protegidas pela legislação ambiental

Made available in DSpace on 2015-04-22T22:00:50Z (GMT). No. of bitstreams: 1 Thiago Falcao.pdf: 1370921 bytes, checksum: ec7b9ab219f2028eded75407403140be (MD5) Previous issue date: 2014-01-13 / This work proposes the new classifier for face recognition, novelty classifier, which is based on novelty filter proposed by Kohonen. In order to evaluate the new classifier performance, it is performed a comparison with nearest neighboard classifier, which uses the Euclidian distance as distance metric. ORL face database was chosen to be used in this comparison. There was not any pre-processing (photometric or geometric) on face images. It was used the following feature extraction methods: PCA, 2DPCA and (2D)2PCA. Some results in identification mode are exposed through rank 1 recognition rate and CMC curves. In verification mode, the results were presented by Correct Acceptance Rate (CAR), Equivalent Error Rate (EER), ROC curves and Area under the ROC curve (AUC). Results shown that the proposed classifier performs better than others previously published, when the 10-fold Cross Validation method is employed as a test strategy. Recognition rate of 100% is achieved with this test methodology. / Este trabalho propõe a utilização do classificador de novidades para reconhecimento de faces, o qual é baseado no filtro de novidades, proposto por Kohonen. Para avaliar o desempenho do novo classificador é feita uma comparação com o classificador do vizinho mais próximo, usando a métrica da distância euclidiana. A base de dados utilizada para essa comparação foi a base ORL. A informação da face é extraída utilizando os métodos PCA, 2DPCA e (2D)2PCA, sem usar qualquer tipo de pré-processamento (fotométrico ou geométrico). Os seguintes resultados são apresentados no modo de identificação: taxa de reconhecimento rank 1 e as curvas CMC, no modo verificação: as taxas de correta aceitação (CAR), de erro equivalente (EER), as curvas ROC e área sob a curva ROC (AUC). Os resultados obtidos mostraram que o classificador proposto tem um desempenho melhor do que o desempenho do vizinho mais próximo e do que outros classificadores anteriormente publicados usando a mesma base, quando a estratégia de validação cruzada 10-fold é usada, com essa estratégia a taxa de reconhecimento obtida foi de 100%