@MASTERSTHESIS{ 2017:1806340312,
 	title = {PARTICIONAMENTO DE CONJUNTO DE DADOS E SELEÇÃO DE VARIÁVEIS EM PROBLEMAS DE CALIBRAÇÃO MULTIVARIADA},
 	year = {2017},
 	url = "http://tede2.pucgoias.edu.br:8080/handle/tede/3853",
 	abstract = "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.",
 	publisher = {Pontifícia Universidade Católica de Goiás},
 	scholl = {Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas},
 	note = {Escola de Engenharia::Curso de Engenharia de Produção}
}