Sistemas biológicos podem ser representados por redes que armazenam não apenas informações de conectividade, mas também informações de características de seus nós. No contexto biomolecular, esses nós podem representar proteínas, metabólitos, entre outros tipos de moléculas. Cada molécula possui características anotadas e armazenadas em bases de dados como o Gene Ontology. A comparação visual dessas redes depende de ferramentas que permitam o usuário identificar diferenças e semelhanças entre as anotações feitas sobre as moléculas (atributos) e também sobre as interações conhecidas (conexões). Neste trabalho de mestrado, buscou-se desenvolver técnicas que facilitem a comparação desses atributos sobre as moléculas, tentando manter no processo a visualização das redes em que essas moléculas estão inseridas. Como resultado, obteve-se a ferramenta VisPipeline-MultiNetwork, que permite comparar até seis redes, utilizando operações de conjuntos sobre as redes e sobre seus atributos. Dessa forma, diferentemente da maioria das ferramentas conhecidas para a visualização de redes biológicas, o VisPipeline-MultiNetwork permite a criação de redes cujos atributos são derivados das redes originais por meio de operações de união, intersecção e valores exclusivos. A comparação visual das redes é feita pela visualização do resultado dessas operações de conjuntos sobre as redes, por meio de um método de comparação lado-a-lado. Já a comparação dos atributos armazenados nos nós das redes é feita por meio de diagramas de Venn. Para auxiliar este tipo de comparação, a técnica InteractiVenn foi desenvolvida, em que o usuário pode interagir com um diagrama de Venn efetuando operações de união entre conjuntos. Essas operações de união aplicadas sobre os conjuntos são também aplicadas sobre as respectivas formas no diagrama. Esta característica da técnica a diferencia das outras ferramentas de criação de diagramas de Venn. Integrando essas funcionalidades, o usuário é capaz de comparar redes sob diversas perspectivas. Para exemplificar a utilização do VisPipeline-MultiNetwork, dois casos no contexto biomolecular foram estudados. Adicionalmente, uma ferramenta web para a comparação de listas de cadeias de caracteres por meio de diagramas de Venn foi desenvolvida. Ela também implementa a técnica InteractiVenn e foi denominada InteractiVenn website. / Biological systems can be represented by networks that store not only connectivity information, but also node feature information. In the context of molecular biology, these nodes may represent proteins, metabolites, and other types of molecules. Each molecule has features annotated and stored in databases such as Gene Ontology. A visual comparison of networks requires tools that allow the user to identify differences and similarities between nodes attributes as well as known interactions between nodes (connections). In this dissertation, we sought to develop a technique that would facilitate the comparison of these biological networks, striving to maintain in the process the visualization of the network connectivities. As a result, we have developed the VisPipeline-MultiNetwork tool, which allows comparison of up to six networks, using sets of operations on networks and on their attributes. Unlike most known tools for visualizing biological networks, VisPipeline-MultiNetwork allows the creation of networks whose attributes are derived from the original networks through operations of union, intersection and unique values. A visual comparison of the networks is achieved by visualizing the outcome of such joint operations through a all-in-one comparison method. The comparison of nodes attributes is performed using Venn diagrams. To assist this type of comparison, the InteractiVenn technique was developed, in which the user can interact with a Venn diagram, performing union operations between sets and their corresponding diagrams. This diagram union feature differs from other tools available for creating Venn diagrams. With these tools, users manage to compare networks from different perspectives. To exemplify the use of VisPipeline-MultiNetwork, two case studies were carried out in the biomolecular context. Additionally, a web tool for comparing lists of strings by means of Venn diagrams was made available. It also implements the InteractiVenn technique and its site has been named InteractiVenn.

Pode-se afirmar que os processos de organização, recuperação e visualização de informações estão interligados por pelo menos um ponto em comum: a indexação de textos ou documentos. A indexação, um componente essencial do tratamento e organização de informações, é também importante tanto para a recuperação quanto para a visualização de informações. Nesse contexto, destacam-se as soluções que objetivam automatizar a indexação. As pesquisas que propõe soluções de indexação automática são desenvolvidas com base em diferentes pressupostos teóricos, entre os quais podem ser destacados: a Estatística, a Lingüística e o Controle de Vocabulários (Leiva, 1999). A grande maioria dessas soluções utiliza modelos híbridos que combinam dois ou três desses pressupostos. Outras abordagens para o problema da indexação automática utilizam, além dos pressupostos anteriormente citados, teorias que permitem o tratamento da incerteza, da imprecisão e da vagueza, tais como a teoria de Dempster-Shafer e a lógica difusa. O objetivo desta pesquisa é avaliar o potencial de utilização da lógica paraconsistente, uma lógica não clássica, com capacidade para tratar situações que envolvem incerteza, imprecisão e vagueza nos procedimentos de indexação automática. A hipótese de trabalho sustentada nesta pesquisa apóia-se teoricamente nos princípios da Lógica Paraconsistente. A utilização dessa lógica e de métodos derivados da mesma, por ser flexível e comportar estados lógicos que vão além das dicotomias sim e não, permite adiantar a hipótese de que os resultados da indexação poderão ser melhores do que os obtidos por métodos tradicionais. Do ponto de vista metodológico, optou-se pela utilização de um algoritmo para tratamento de incerteza e imprecisão, desenvolvido no âmbito da lógica paraconsistente, para modificar os valores dos pesos atribuídos aos termos de indexação. Os testes foram realizados em um sistema de visualização de informações, com código fonte disponível. As coleções utilizadas são disponibilizadas com o sistema. Os resultados obtidos foram avaliados por meio de critérios e índices embutidos no próprio sistema de visualização, e demonstram ganhos mensuráveis de qualidade na construção das visualizações, confirmando, assim a hipótese de pesquisa elencada. / It can be argued that the processes of organization, retrieval and visualization of information are conected, presenting one point in common: the indexing of texts or documents. Indexing, an essential component of text analysis, is important to information retrieval and visualization. In this context, we highlight solutions to automate indexing. Researchs that propose solutions for automatic indexing are developed based on different theoretical assumptions as, for example: Statistics, Linguistics and Controlled vocabularies (Leiva, 1999). Most of these solutions uses hybrid models combining two or three of these theoretical assumptions. Other approaches to the problem of automatic indexing uses, besides the aforementioned assumptions, theories that allow the treatment of uncertainty, imprecision and vagueness, as the Dempster-Shafer theory and the fuzzy logic. The aim of this research is to evaluate the use of paraconsistent logic, a nonclassical logic, capable of dealing with situations involving uncertainty, imprecision and vagueness, in the procedures of automatic indexing. The working hypothesis supported in this research is based theoretically on the principles of Paraconsistent Logic. The utilization of this logic, being flexible and containing logical states that go beyond the dichotomies yes and no, permit to advance the hypothesis that the results of indexing could be better than those obtained by traditional methods. From the methodological point of view, we chose to use an algorithm for treatment of uncertainty and imprecision, developed under the paraconsistent logic, to modify the values of the weights assigned to index terms. The tests were performed on a information visualization system, with source code available. The collections used are available with the system. The results were evaluated by criteria and indices built into the information visualization system itself, and demonstrate measurable gains in the construction quality of the displays, thus confirming the hypothesis listed.

A Engenharia de Software evolui gradativamente para uma disciplina científica baseada em observação, formulação teórica e experimentação. Nesse contexto, estudos experimentais têm sido conduzidos para proporcionar evidências sobre a qualidade e a produtividade de técnicas, ferramentas e métodos de desenvolvimento de software. Porém, resultados obtidos a partir de pesquisas experimentais são úteis somente se os pesquisadores puderem consolidá-las em um contexto significativo de conhecimento. O projeto Readers: A Collaborative Research to Develop, Validate and Package Reading Techniques for Software Defect Detection aborda diversos aspectos envolvidos na construção de um corpo significativo de resultados a partir de experimentos controlados. Nesse contexto, sustenta-se que a aplicação de meios alternativos de análise e exploração de dados dos experimentos conduzidos pode colaborar para a evolução do Pacote de Laboratório, e como efeito colateral, contribuir com a formação do corpo de conhecimento almejado. Este projeto propõe mecanismos para integrar técnicas de visualização exploratória à análise de dados de experimentos controlados. Para isso, foram propostas adequações ao processo de experimentação, bem como um processo de visualização para Engenharia de Software Experimental ? V iDAESE. Para ilustrar o V iDAESE, ciclos de análises são apresentados, juntamente com as conclusões obtidas em cada um. As análises visuais apóiam o processo de consolidação de conhecimento a partir dos dados e a melhoria do Pacote de Laboratório. Adicionalmente, uma abordagem para simulação de dados experimentais foi proposta, permitindo explorar cenários que apóiem o planejamento de experimento. / A Engenharia de Software evolui gradativamente para uma disciplina científica baseada em observação, formulação teórica e experimentação. Nesse contexto, estudos experimentais têm sido conduzidos para proporcionar evidências sobre a qualidade e a produtividade de técnicas, ferramentas e métodos de desenvolvimento de software. Porém, resultados obtidos a partir de pesquisas experimentais são úteis somente se os pesquisadores puderem consolidá-las em um contexto significativo de conhecimento. O projeto Readers: A Collaborative Research to Develop, Validate and Package Reading Techniques for Software Defect Detection aborda diversos aspectos envolvidos na construção de um corpo significativo de resultados a partir de experimentos controlados. Nesse contexto, sustenta-se que a aplicação de meios alternativos de análise e exploração de dados dos experimentos conduzidos pode colaborar para a evolução do Pacote de Laboratório, e como efeito colateral, contribuir com a formação do corpo de conhecimento almejado. Este projeto propõe mecanismos para integrar técnicas de visualização exploratória à análise de dados de experimentos controlados. Para isso, foram propostas adequações ao processo de experimentação, bem como um processo de visualização para Engenharia de Software Experimental ? V iDAESE. Para ilustrar o V iDAESE, ciclos de análises são apresentados, juntamente com as conclusões obtidas em cada um. As análises visuais apóiam o processo de consolidação de conhecimento a partir dos dados e a melhoria do Pacote de Laboratório. Adicionalmente, uma abordagem para simulação de dados experimentais foi proposta, permitindo explorar cenários que apóiem o planejamento de experimento.

The continuously advent of new technologies have made a rich and growing type of information sources available to analyses and investigation. In this context, multidimensional data analysis is considerably important when dealing with such large and complex datasets. Among the possibilities when analyzing such kind of data, applying visualization techniques can help the user find and understand patters, trends and establish new goals. Some applications examples of visualization of multidimensional data analysis goes from image classification, semantic word clouds, cluster analysis of document collection to exploration of multimedia content. This thesis presents several visualization methods to interactively explore multidimensional datasets aimed from specialized to casual users, by making use of both static and dynamic representations created by multidimensional projections. Firstly, we present a multidimen- sional projection technique which faithfully preserves distance and can handle any type of high-dimensional data, demonstrating applications scenarios in both multimedia and text docu- ments collections. Next, we address the task of interpreting projections in 2D, by calculating neighborhood errors. Hereafter, we present a set of interactive visualizations that aim to help users with these tasks by revealing the quality of a projection in 3D, applied in different high dimensional scenarios. In the final part, we address two different approaches to get insight into multimedia data, in special soccer sport videos. While the first make use of multidimensional projections, the second uses efficient visual metaphor to help non-specialist users in browsing and getting insights in soccer matches. / O advento contínuo de novas tecnologias tem criado um tipo rico e crescente de fontes de informação disponíveis para análise e investigação. Neste contexto, a análise de dados multidi- mensional é consideravelmente importante quando se lida com grandes e complexos conjuntos de dados. Dentre as possibilidades ao analisar esses tipos de dados, a aplicação de técnicas de visualização pode auxiliar o usuário a encontrar e entender os padrões, tendências e estabelecer novas metas. Alguns exemplos de aplicações de visualização de análise de dados multidimen- sionais vão de classificação de imagens, nuvens semântica de palavras, e análise de grupos de coleção de documentos, à exploração de conteúdo multimídia. Esta tese apresenta vários métodos de visualização para explorar de forma interativa conjuntos de dados multidimensionais que visam de usuários especializados aos casuais, fazendo uso de ambas representações estáticas e dinâmicas criadas por projeções multidimensionais. Primeiramente, apresentamos uma técnica de projeção multidimensional que preserva fielmente distância e que pode lidar com qualquer tipo de dados com alta-dimensionalidade, demonstrando cenários de aplicações em ambos os casos de multimídia e coleções de documentos de texto. Em seguida, abordamos a tarefa de interpretar as projeções em 2D, calculando erros de vizinhança. Posteriormente, apresentamos um conjunto de visualizações interativas que visam ajudar os usuários com essas tarefas, revelando a qualidade de uma projeção em 3D, aplicadas em diferentes cenários de alta dimensionalidade. Na parte final, discutimos duas abordagens diferentes para obter percepções sobre dados multimídia, em particular vídeos de futebol. Enquanto a primeira abordagem utiliza projeções multidimensionais, a segunda faz uso de uma eficiente metáfora visual para auxiliar usuários não especialistas em navegar e obter conhecimento em partidas de futebol.

O crescente uso de ambientes virtuais de aprendizagem faz com que os professores e desenvolvedores precisem avaliar qual o melhor formato de visualização a ser utilizado. Infográfico é tipo de visualização de informação que vem ganhando popularidade no contexto educacional. Ele utiliza figuras, gráficos e curtas explicações textuais associados à elementos de design, para transformar informações complexas em visualizações simples. No entanto, poucos trabalhos empíricos investigam a interferência do formato infográfico no processo de aprendizagem e consideram a influência dos estados afetivos (em particular a satisfação) e a preferência (i.e. estilo de aprendizagem) do aluno na sua capacidade de reter informação quando o material apresentado é o infográfico. Esse trabalho de mestrado tem como objetivo investigar os benefícios educacionais do uso de infográficos como material de aprendizagem comparando-os com materiais tradicionais, texto puro e gráfico+texto. Também visa analisar a influência de outras variáveis experimentais no processo de aprendizagem como complexidade do infográfico, satisfação e estilo de aprendizagem. Para isso, foi executado um experimento com 74 alunos de graduação distribuídos entre três formatos de materiais de aprendizagem (i.e. infográficos, gráficos+texto e texto puro) em uma sessão de aprendizagem individual suportada por computador. Os sujeitos foram avaliados quanto à aprendizagem imediata, retenção e perda de conhecimento, satisfação, estilos de aprendizagem e tempo. Os resultados obtidos sugerem que os infográficos são tão bons para a aprendizagem e retenção de conhecimento quanto os materiais tradicionais. Não foram encontradas evidências de que os estilos de aprendizagem visual ou verbal têm impacto na aprendizagem ou na satisfação dos alunos. Além disso, foram encontrados indícios de que satisfações positivas podem resultar em uma maior retenção de conhecimento. Para analisar a variável complexidade, foi proposto um framework para classificação dos infográficos. Pode-se concluir que, de fato, infográficos classificados como de baixa complexidade proporcionam maior aprendizagem. No entanto, o aprendizado por meio dos infográficos de complexidade alta não foi significativamente menor. É possível atribuir essa queda não significativa à natureza explicativa dos infográficos, capaz de estabilizar o aprendizado do aluno a partir de um determinado nível de complexidade, mesmo que a complexidade aumente. / The increasing use of virtual learning environments lead teachers and developers to assess what is the best visualization format to use. Infographic is an information visualization format that has gained the educational context. It uses figures, graphs, and short textual explanations associated with design elements, to transform complex information into simple display. However, few empirical studies investigate the interference of the infographic format in the learning process and consider the influence of affective states (in particular enjoyment) and preference (i.e., learning styles) in students information retention when using infographics. This masters dissertation aims at investigating the educational benefits of using infographics as learning material and comparing them to traditional materials, pure text and graphic+text. In addition, it aims at analysing the influence of other experimental variables such as infographics complexity, students satisfaction and learning style. For this, an experiment was carried out with 74 undergraduate students distributed among three formats of learning materials (i.e., infographics, graphics+text and pure text) in a computer-supported individual learning session. Subjects were evaluated about immediate learning, retention and loss of knowledge, satisfaction, learning styles and time. The results suggest that infographics are as good for learning and retention as traditional materials. There is no evidence that visual or verbal learning styles impact on student learning or enjoyment. In addition, evidence has been found that positive satisfactions may result in greater retention of information. To analyze the infographics complexity, a framework was proposed to classify infographics. It can be concluded that, in fact, infographics classified as low complexity provide greater results for learning. However, learning through infographics of high complexity was not significantly smaller. It is possible to assign this non-significant dacay to the infographics explanatory nature, capable of steading the students learning from a certain level of complexity.

Há várias décadas, pesquisadores em ciências sociais buscam formas gráficas para expressar as relações humanas na sociedade. O advento do computador e, mais recentemente, da internet, possibilitou o surgimento de um campo que tem despertado a atenção de estudiosos das áreas de visualização de informação e de ciências sociais, o da visualização de redes sociais. Esse campo tem o potencial de revelar e explorar padrões que podem beneficiar um número muito grande de aplicações e indivíduos em áreas tais como comércio, segurança em geral, redes de conhecimento e pesquisa de mercado. Grande parte dos algoritmos de visualização de redes sociais são baseados em grafos, destacando relacionamentos entre indivíduos e grupos de indivíduos, mas dando pouca atenção aos seus demais atributos. Assim, este trabalho apresenta um conjunto de soluções para representar e explorar visualmente redes sociais levando em consideração tais atributos. A primeira solução faz uso de redes heterogêneas, onde tanto indivíduos quanto comunidades são representados no grafo; a segunda solução utiliza técnicas de visualização baseadas em projeção multidimensional, que promovem o posicionamento dos dados no plano de acordo com algum critério de similaridade baseado em atributo; e a última solução coordena múltiplas visões para focar rapidamente em regiões de interesse. Os resultados indicam que as soluções proveem um poder de representação e identificação de conceitos não facilmente detectados por formas convencionais de visualização e exploração de grafos, com indícios fornecidos através dos estudos de caso e da realização de avaliações com usuários. Este trabalho fornece um estudo das áreas de visualização em grafos para a análise de redes sociais bem como uma implementação das soluções de integração da visualização em redes com as projeções multidimensionais / For decades, social sciences researchers have searched for graphical forms to express human social relationships. The development of computer science and more recently of the Internet has given rise to a new field of research for visualization and social sciences professionals, that of social network visualization. This field can potentially offer new opportunities in reveal new patterns that can benefit a large number of applications and individuals in fields such as commerce, security, knowledge networks and marketing. A large part of social network visualization algorithms and systems relies on graph representations, highlighting relationships amongst individuals and groups of individuals, but mostly neglecting the other available attributes of individuals. Thus, this work presents a set of tools to represent and explore social networks visually, taking into consideration the attributes of the nodes. The first technique employs heterogeneous networks, where both individuals and communities are represented in the graph; the second solution uses visualization techniques based on multidimensional projection, which promote the placement of data in the plane according to some similarity criterion based on attribute; still another proposed technique coordinates multiple views in order to speed up focus in regions of interest in the data sets. The results indicate that the solutions promote high degree of representation power and that concept identification not easily obtained via other methods is possible; the evidence comes from case studies as well as a user evaluation. This work includes a study in the area of graph visualization for social network analysis as well as a system implementing the proposed solutions, that integrate network visualization and multidimensional projections to extract patterns from social networks

O uso da infografia tem se ampliado nos veículos midiáticos, principalmente, após o processo de informatização ocorrido entre os anos 1980 e 1990. A linguagem visual esquemática utilizada em sua construção tem especificidades que ajudam a otimizar a obtenção de informação por meio de conceitos relacionados ao design da informação e a visualização da informação. Assim, para a eficácia deste processo, teoria e prática têm de estar alinhadas. O objetivo desta dissertação é investigar o quanto a teoria influencia na construção das infografias nas redações de dois grandes veículos de mídia impressa de São Paulo: os jornais Folha de São Paulo e O Estado de São Paulo. / The use of infographics has been increased in media vehicles, especially since the informatization process occured between the years 1980 and 1990. The schematic visual language applied to construct those infographics has specificities that help in obtaining information optimization trought concepts related to information design and information visualization. Thus, for the effectiveness of this process, theory and practice have to be aligned. The purpose of this thesis is to investigate how much theory influences the construction of the infographics in the editorial offices of two major press media in São Paulo: Folha de São Paulo and O Estado de São Paulo.

Orientador: Danilo Medeiros Eler / Banca: Almir Olivette Artero / Banca: José Fernando Rodrigues Junior / Resumo: As projeções multidimensionais são uma ferramenta importante para análise de conjuntos de dados multidimensionais. No entanto, embora a representação gráfica de projeções multidimensionais tragam benefícios quanto à identificação de grupos e análise da similaridade entre instâncias de um conjunto de dados, tal representação apresenta dificuldades quando o número de instâncias ou a dimensionalidade do conjunto sendo analisado cresce. Neste trabalho, é apresentada uma abordagem de exploração multinível em visualizações geradas para representar projeções multidimensionais, em que o objetivo é oferecer meios para que um conjunto de dados seja explorado com uma carga cognitiva menor do que em representações comuns de projeções multidimensionais. A técnica proposta é baseada na seleção de representativos para fornecer um contexto e guiar o usuário no processo de exploração, além de utilizar diagramas de Voronoi para definição dos grupos. A abordagem pode ser empregada com qualquer técnica de projeção multidimensional, além de poderem ser utilizados os mais variados algoritmos de seleção de representativos. Nos experimentos realizados são apresentados os algoritmos mais indicados para seleção de representativos, bem como o impacto de diferentes técnicas de projeção multidimensional e do espaço de características dos conjuntos analisados. Além disso, são apresentados dois estudos de casos utilizando a técnica de exploração proposta / Abstract: Multidimensional projections are an important tool for analyzing multidimensional datasets. However, although the graphical representation of multidimensional projection brings benefits according to cluster identification and similarity analysis, such representation presents issues when the number of instances or the dimensionality of the dataset increases. In this work, a multilevel exploration approach in visualizations generated to encode multidimensional projections is presented, in which the goal is to provide subsidies for an exploration with lower cognitive load than the common approaches. The proposed technique is based on selecting representative to provide a context to guide the user in the exploration process, besides using Voronoi diagrams to define clusters. In the experiments, the best suited algorithms to select representative are presented, as well as the impact of different multidimensional projection techniques and the feature space of the analyzed dataset. Finally, two case studies are presented to show how the exploration approach works / Mestre

With todays flood of data coming from many types of sources, Machine Learning becomes increasingly important. Though, many times the use of Machine Learning is not enough to make sense of all this data. This makes visualization a very useful tool for Machine Learning practitioners and data analysts alike. Interactive visualization techniques can be very helpful by giving insight on the meaning of the output from classification tasks. In this work, the aim is to explore, implement and evaluate different visualization techniques with the explicit goal of directly relating these visualization to the Machine Learning process. The proposed approach is the development of visualization techniques for a posteriori analysis that combines data exploration and classification evaluation. Results include a modified version of the Radial Visualization technique, called Dual RadViz, and also the use of interactive multiclass Partial Dependence Plots as means of finding counterfactual explanations about Machine Learning classification. An account of some of the many ways Machine Learning and visualization are used together is also given. / Hoje em dia, com o enorme fluxo de dados provenientes de muitos tipos de fontes, Aprendizado de Máquina se torna cada vez mais importante. No entanto, muitas vezes o uso de Aprendizado de Máquina não é o suficiente para que seja possível enxergar o valor e o significado de todos estes dados. Isso faz com que visualização seja uma valiosa ferramenta tanto para analistas de dados quanto para aqueles que praticam tarefas relacionadas à Aprendizado de Máquina. Técnicas de visualização interativa podem ser de grande utilidade por possibilitarem insights sobre o significado do resultado de tarefas de classificação. Neste trabalho, o objetivo é explorar, implementar e avaliar diferentes técnicas de visualização, explicitamente focando em suas relações com o processo de Aprendizado de Máquina. A abordagem proposta se trata do desenvolvimento de técnicas de visualização para análise a posteriori dos resultados de tarefas de classificação, combinando avaliação da classificação e exploração visual de dados. Os resultados incluem uma versão modificada da técnica de Visualização Radial, chamada Dual RadViz, e também o uso de Gráficos de Dependência Parcial multiclasse interativos como meio de se chegar à explicações contrafatuais sobre resultados de classificação. É dado também um relato de algumas das muitas maneiras onde Aprendizado de Máquina e visualização são usados conjuntamente.

O processo automático de classificação de dados em geral, e em particular de classificação de imagens, é uma tarefa computacionalmente intensiva e variável em termos de precisão, sendo consideravelmente dependente da configuração do classificador e da representação dos dados utilizada. Muitos dos fatores que afetam uma adequada aplicação dos métodos de classificação ou categorização para imagens apontam para a necessidade de uma maior interferência do usuário no processo. Para isso são necessárias mais ferramentas de apoio às várias etapas do processo de classificação, tais como, mas não limitadas, a extração de características, a parametrização dos algoritmos de classificação e a escolha de instâncias de treinamento adequadas. Este doutorado apresenta uma metodologia para Classificação Visual de Imagens, baseada na inserção do usuário no processo de classificação automática através do uso de técnicas de visualização. A ideia é permitir que o usuário participe de todos os passos da classificação de determinada coleção, realizando ajustes e consequentemente melhorando os resultados de acordo com suas necessidades. Um estudo de diversas técnicas de visualização candidatas para a tarefa é apresentado, com destaque para as árvores de similaridade, sendo apresentadas melhorias do algoritmo de construção em termos de escalabilidade visual e de tempo de processamento. Adicionalmente, uma metodologia de redução de dimensionalidade visual semi-supervisionada é apresentada para apoiar, pela utilização de ferramentas visuais, a criação de espaços reduzidos que melhorem as características de segregação do conjunto original de características. A principal contribuição do trabalho é um sistema de classificação visual incremental que incorpora todos os passos da metodologia proposta, oferecendo ferramentas interativas e visuais que permitem a interferência do usuário na classificação de coleções incrementais com configuração de classes variável. Isso possibilita a utilização do conhecimento do ser humano na construção de classificadores que se adequem a diferentes necessidades dos usuários em diferentes cenários, produzindo resultados satisfatórios para coleções de dados diversas. O foco desta tese é em categorização de coleções de imagens, com exemplos também para conjuntos de dados textuais / Automatic data classification in general, and image classification in particular, are computationally intensive tasks with variable results concerning precision, being considerably dependent on the classifier´s configuration and data representation. Many of the factors that affect an adequate application of classification or categorization methods for images point to the need for more user interference in the process. To accomplish that, it is necessary to develop a larger set of supporting tools for the various stages of the classification set up, such as, but not limited to, feature extraction, parametrization of the classification algorithm and selection of adequate training instances. This doctoral Thesis presents a Visual Image Classification methodology based on the user´s insertion in the classification process through the use of visualization techniques. The idea is to allow the user to participate in all classification steps, adjusting several stages and consequently improving the results according to his or her needs. A study on several candidate visualization techniques is presented, with emphasis on similarity trees, and improvements of the tree construction algorithm, both in visual and time scalability, are shown. Additionally, a visual semi-supervised dimensionality reduction methodology was developed to support, through the use of visual tools, the creation of reduced spaces that improve segregation of the original feature space. The main contribution of this work is an incremental visual classification system incorporating all the steps of the proposed methodology, and providing interactive and visual tools that permit user controlled classification of an incremental collection with evolving class configuration. It allows the use of the human knowledge on the construction of classifiers that adapt to different user needs in different scenarios, producing satisfactory results for several data collections. The focus of this Thesis is image data sets, with examples also in classification of textual collections