Esta tese investiga o uso de análise discriminante e redes neurais artificiais em conjunto com técnicas de seleção de números de onda para classificação de espectros Raman de tecidos arteriais sadios, ateromatosos ou calcificados. Duas técnicas de seleção são estudadas: a primeira é baseada na Função Discriminante de Fisher, definida para cada variável espectral como a razão entre a dispersão dos dados entre as classes e dentro de cada classe; a segunda emprega um Algoritmo Genético de modo a levar em conta a informação conjunta de grupos de variáveis ao invés de considerá-los isoladamente. Para avaliação dos classificadores resultantes, foi utilizado um conjunto de 60 espectros Raman obtidos no Instituto de Pesquisa e Desenvolvimento (IP&D) da UNIVAP. Para esse conjunto de dados, a Função Discriminante de Fisher conduziu à seleção de comprimentos de onda concentrados em torno de picos espectrais, o que prejudicou o desempenho dos classificadores. A seleção realizada pelo Algoritmo Genético foi mais bem distribuída ao longo da faixa espectral de trabalho e possibilitou um bom desempenho de classificação, mesmo na presença de problemas simulados de desalinhamento espectral. Na comparação entre os classificadores, verificou-se que tanto o modelo obtido por análise discriminante linear quanto a rede neural classificaram corretamente todos os espectros de validação. Contudo, o modelo de discriminante linear apresentou maior robustez ao desalinhamento espectral.

O presente trabalho tem como objetivo principal a proposta de um conjunto útil de indicadores econômico e financeiro na previsão de insolvência bancaria utilizando a técnica estatística da análise discriminante. A partir da escolha dos trinta e dois indicadores mais utilizados pela literatura extraídos das demonstrações financeiras de 31.12.1993, das instituições financeiras utilizadas na amostra. Estes indicadores foram selecionados através da metodologia CAMEL, acróstico de Capital, Assets, Management, Earning e Liquidty, significando adequação do capital, qualidade dos ativos, gerenciamento, rentabilidade e liquidez respectivamente. Uma vez escolhidos os indicadores elabora-se processo estatístico de redução de variáveis, através da utilização do Test T, Matriz de correlação, finalizando então com seis indicadores que foram submetidos à análise discriminante. Para atingir este objetivo, foram escolhidos setenta e dois bancos para compor a amostra, sendo que cinqüenta e seis bancos foram utilizados para a calibração do modelo, enquanto que dezesseis bancos foram utilizados para validação do modelo. O modelo composto por seis variáveis classificou corretamente os bancos insolventes com uma eficiência de 83,33%. Com relação aos bancos solventes o modelo classificou corretamente 80% dos bancos. No computo geral, o modelo classificou corretamente 81,25% dos bancos, selecionados de maneira aleatória, para compor a amostra de validação dos resultados. A possibilidade de classificação dos bancos como solvente ou insolvente, com a utilização de apenas seis indicadores econômico-financeiros, demonstrados neste estudo, representa um instrumento útil e disponível para se avaliar o desempenho operacional e detectar problemas emergentes nos bancos (early warning), constituindo-se em uma valiosa contribuição aos órgãos fiscalizadores e demais interessados no conhecimento do desempenho destas instituições.

Nesta tese foi considerado o problema de classificação de objetos (indivíduos, empresas, produtos) em dois ou mais grupos. A abordagem tradicional se fundamenta principalmente em modelos como Logit ou Análise Discriminante. Resulta deste modo, como função de classificação, uma medida estatística - um ponto de corte (escore) ou uma medida de distância padronizada ao centro do agrupamento ou uma hipersuperfície de separação - definida com a utilização simultânea de toda a amostra. No modelo proposto foi considerado que as variáveis de classificação são limitadas, inferior ou superiormente. Esta hipótese determina uma fronteira, limite da região domínio de cada grupo em observação. Objetivou-se, como proposta final, efetuar o desenvolvimento de uma técnica para identificar estas fronteiras, associado a uma medida de natureza probabilística para cada unidade observada, especificando quanto a mesma está inserida em seu respectivo grupo, relativamente à fronteira deste. Em seguida foram propostos os procedimentos para classificar nova unidade objeto, no grupo onde a medida de inserção fosse maior e, também, procedimentos para viabilizar o refinamento constante da forma das envoltórias, a partir da análise de novas unidades. Para avaliação, foram utilizados dois exemplos ilustrativos, possibilitando o teste do modelo contra as técnicas de Análise Discriminante, Regressão Logística e mesmo Programação Linear Inteira, testada pelo autor de um dos exemplos. Os resultados se mostraram favoráveis, apontando para a viabilidade do uso do modelo.

Neste trabalho é proposta uma abordagem para detecção e diagnóstico de falhas empregando técnicas de seleção de atributos e classificação de padrões. Tal abordagem faz uso do Algoritmo das Projeções Sucessivas (APS) para seleção de atributos a serem usados em um classificador de Análise Discriminante Linear (ADL). A aplicação do APS-ADL é proposta em duas etapas: pré-seleção de sensores e seleção de atributos com atrasos de tempo. São elaboradas ainda duas modificações na formulação original do algoritmo. A primeira faz uso da informação discriminatória univariada para evitar que atributos com alto poder de discriminação sejam descartados e a segunda propõe o uso de um teste de hipótese para simplificação do classificador através da eliminação de atributos. Adicionalmente, propõe-se um aprimoramento computacional para redução da complexidade do APS-ADL. Para o problema de detecção é proposto o uso de uma etapa prévia de agrupamento de padrões para identificar tipos de falhas similares de modo a reduzir o número de classificadores a serem empregados. O estudo de caso envolve o uso do modelo Tennessee Eastman Process, que é amplamente usado como benchmark na área de detecção e diagnóstico de falhas. Para fins de comparação, é empregado um algoritmo genético (AG) para seleção de atributos, bem como duas técnicas de classificação que fazem uso de todos os atributos disponíveis, a saber os métodos de K-vizinhos mais próximos (K-Nearest Neighbors, KNN) e mínimos-quadrados parciais (Partial Least Squares, PLS). Adicionalmente, investiga-se o uso dos atributos selecionados pelo APS-ADL para fins de classificação por Análise Discriminante Quadrática (ADQ). Os resultados mostram que (i) o uso de atrasos de tempo permite uma melhor discriminação entre as classes consideradas, (ii) a etapa preliminar de agrupamento de falhas simplifica o problema de detecção, (iii) a proposta de uso de informação univariada no APS-ADL melhora a taxa de acerto resultante, (iv) a pré-seleção de sensores facilita a seleção de atributos sem comprometer os resultados, (v) a proposta de eliminação de atributos no APS-ADL melhora a parcimônia dos classificadores sem alteração significativa de desempenho e (vi) dentre as técnicas consideradas, o APS-ADL e o APS-ADQ apresentam melhor acurácia tanto na detecção quanto no diagnóstico de falhas.

O modelo de Composição de Especialistas Locais (CEL) para classificação de populações constitui uma interessante ferramenta de análise discriminante. Para construção do modelo CEL utiliza-se técnicas discriminantes paramétricas e não-paramétricas, como a Análise Discriminante de Fisher, Logit e Extended DEA-DA. Tais modelos são aplicados numa massa de dados particular como um todo, e na mesma massa de dados clusterizada, visando eleger os especialistas que apresentem melhor desempenho na classificação de populações, ditos vencedores. Ponderam-se os especialistas vencedores nos clusters com o objetivo de construir a composição de especialistas locais (CEL). Realiza-se um estudo de caso onde o modelo CEL é aplicado a um conjunto de empresas classificadas como solventes e insolventes e que serve de sustentáculo para a calibração dos especialistas locais e construção da composição. O presente trabalho tem por objetivo estudar um modelo de Composição de Especialistas Locais (CEL) como instrumento para classificação de populações e compará-lo com o modelo discriminante que apresentou maior número de observações corretamente classificadas numa massa de dados particular, verificando a ocorrência ou não de melhoria no número absoluto de classificações corretas.