1. TEDE
  2. Campus Goiânia
  3. Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas
  4. Mestrado em Engenharia de Produção e Sistemas
Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://tede2.pucgoias.edu.br:8080/handle/tede/3853
Registro completo de metadados
Campo DCValorIdioma
dc.creatorAlves, André Luiz-
dc.creator.Latteshttp://lattes.cnpq.br/2753797227214950eng
dc.contributor.advisor1Coelho, Clarimar José-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1350166605717268eng
dc.contributor.referee1Soares, Anderson da Silva-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/1096941114079527eng
dc.contributor.referee2Centeno, Carmen Cecilia-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3865373650548957eng
dc.date.accessioned2017-11-22T13:39:54Z-
dc.date.issued2017-09-22-
dc.identifier.citationAlves, 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.eng
dc.identifier.urihttp://tede2.pucgoias.edu.br:8080/handle/tede/3853-
dc.description.resumoO 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.eng
dc.description.abstractThe 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.eng
dc.description.provenanceSubmitted by admin tede ([email protected]) on 2017-11-22T13:39:54Z No. of bitstreams: 1 André Luiz Alves.pdf: 760209 bytes, checksum: 09b516d6ffcca2c7f66578b275613b36 (MD5)eng
dc.description.provenanceMade available in DSpace on 2017-11-22T13:39:54Z (GMT). No. of bitstreams: 1 André Luiz Alves.pdf: 760209 bytes, checksum: 09b516d6ffcca2c7f66578b275613b36 (MD5) Previous issue date: 2017-09-22eng
dc.formatapplication/pdf*
dc.thumbnail.urlhttp://tede2.pucgoias.edu.br:8080/retrieve/11828/Andr%c3%a9%20Luiz%20Alves.pdf.jpg*
dc.languageporeng
dc.publisherPontifícia Universidade Católica de Goiáseng
dc.publisher.departmentEscola de Engenharia::Curso de Engenharia de Produçãoeng
dc.publisher.countryBrasileng
dc.publisher.initialsPUC Goiáseng
dc.publisher.programPrograma de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemaseng
dc.rightsAcesso Aberto
dc.subjectParticionamento de dados, Seleção de amostras e de variáveis, Calibração multivariada.por
dc.subjectData partitioning, Sample selection and variable selection, Multivariate calibration.por
dc.subject.cnpqENGENHARIAS::ENGENHARIA DE PRODUCAOeng
dc.titlePARTICIONAMENTO DE CONJUNTO DE DADOS E SELEÇÃO DE VARIÁVEIS EM PROBLEMAS DE CALIBRAÇÃO MULTIVARIADAeng
dc.typeDissertaçãoeng
Aparece nas coleções:Mestrado em Engenharia de Produção e Sistemas

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
André Luiz Alves.pdfTexto Completo742,39 kBAdobe PDFThumbnail

Baixar/Abrir Pré-Visualizar
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.