| Compartilhamento |
|
Exportar este item:
Use este identificador para citar ou linkar para este item:
http://tede2.pucgoias.edu.br:8080/handle/tede/3853| Tipo do documento: | Dissertação |
| Título: | PARTICIONAMENTO DE CONJUNTO DE DADOS E SELEÇÃO DE VARIÁVEIS EM PROBLEMAS DE CALIBRAÇÃO MULTIVARIADA |
| Autor: | Alves, André Luiz  |
| Primeiro orientador: | Coelho, Clarimar José |
| Primeiro membro da banca: | Soares, Anderson da Silva |
| Segundo membro da banca: | Centeno, Carmen Cecilia |
| Resumo: | O objetivo do trabalho é comparar um algoritmo proposto baseado no método consenso de amostra aleatória (RANdom SAmple Consensus, RANSAC) para seleção de amostras, seleção de variáveis e seleção simultânea de amostras e variáveis com o algoritmo de projeções sucessivas (Sucessive Projections Algorithm, SPA) a partir de conjuntos de dados químicos no contexto da calibração multivariada. O método proposto é baseado no método RANSAC e regressão linear múltipla (Multiple Linear Regression, MLR). A capacidade preditiva dos modelos é medida empregando o erro de previsão da raiz quadrada do erro quadrático médio (Root Mean Square Error Of Prediction, RMSEP). Os resultados permitem concluir que o Algoritmo das Projeções Sucessivas melhora a capacidade preditiva do Ransac. Conclui-se que o SPA influi positivamente no algoritmo Ransac para seleção de amostras, para seleção de variáveis e também para seleção simultânea de amostras e variáveis. |
| Abstract: | The objective of this work is to compare a proposed algorithm based on the RANdom SAmple Consensus (RANSAC) method for selection of samples, selection of variables and simultaneous selection of samples and variables with the Sucessive Projections Algorithm (SPA) from a chemical data set in the context of multivariate calibration. The proposed method is based on the RANSAC method and Multiple Linear Regression (MLR). The predictive capacity of the models is measured using the Root Mean Square Error of Prediction (RMSEP). The results allow to conclude that the Successive Projection Algorithm improves the predictive capacity of Ransac. It is concluded that the SPA positively influences the Ransac algorithm for selection of samples, for selection of variables and also for simultaneous selection of samples and variables. |
| Palavras-chave: | Particionamento de dados, Seleção de amostras e de variáveis, Calibração multivariada. Data partitioning, Sample selection and variable selection, Multivariate calibration. |
| Área(s) do CNPq: | ENGENHARIAS::ENGENHARIA DE PRODUCAO |
| Idioma: | por |
| País: | Brasil |
| Instituição: | Pontifícia Universidade Católica de Goiás |
| Sigla da instituição: | PUC Goiás |
| Departamento: | Escola de Engenharia::Curso de Engenharia de Produção |
| Programa: | Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas |
| Citação: | Alves, André Luiz. PARTICIONAMENTO DE CONJUNTO DE DADOS E SELEÇÃO DE VARIÁVEIS EM PROBLEMAS DE CALIBRAÇÃO MULTIVARIADA. 2017. 51 f. Dissertação (Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas) - Pontifícia Universidade Católica de Goiás, Goiânia-GO. |
| Tipo de acesso: | Acesso Aberto |
| URI: | http://tede2.pucgoias.edu.br:8080/handle/tede/3853 |
| Data de defesa: | 22-Set-2017 |
| Aparece nas coleções: | Mestrado em Engenharia de Produção e Sistemas |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| André Luiz Alves.pdf | Texto Completo | 742,39 kB | Adobe PDF |  Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.