Spelling suggestions: "subject:"seleção dde amostras"" "subject:"seleção dee amostras""
1 |
PARTICIONAMENTO DE CONJUNTO DE DADOS E SELEÇÃO DE VARIÁVEIS EM PROBLEMAS DE CALIBRAÇÃO MULTIVARIADAAlves, André Luiz 22 September 2017 (has links)
Submitted by admin tede (tede@pucgoias.edu.br) on 2017-11-22T13:39:54Z
No. of bitstreams: 1
André Luiz Alves.pdf: 760209 bytes, checksum: 09b516d6ffcca2c7f66578b275613b36 (MD5) / Made 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: 2017-09-22 / 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. / 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.
|
2 |
ALGORITMO CO-EVOLUTIVO PARA PARTICIONAMENTO DE DADOS E SELEÇÃO DE VARIÁVEIS EM PROBLEMA DE CALIBRAÇÃO MULTIVARIADA.Ramos, Jorcivan Silva 07 July 2015 (has links)
Made available in DSpace on 2016-08-10T10:40:28Z (GMT). No. of bitstreams: 1
Jorcivan Silva Ramos.pdf: 779202 bytes, checksum: e48a074121bf6a4260fb48b0324ff286 (MD5)
Previous issue date: 2015-07-07 / This paper presents the development of a co-evolutionary genetic algorithm for the
selection of samples from a data set and the selection of variables from the samples
selected in the context of multivariate calibration . Each sample is divided into the
calibration set for the preparation of the model and validating the calibration set of
model. The algorithm selects samples variables with the goal of building the calibration
models. The results show that the data sets selected by the proposed algorithm models
to produce better predictive ability of the models reported in the literature. / Esse trabalho apresenta o desenvolvimento de um algoritmo genético co-evolutivo
para a seleção de amostras a partir de um conjunto de dados e a seleção de variáveis
a partir das amostras selecionadas no contexto da calibração multivariada. Cada
amostra é dividida em conjunto de calibração para a confecção do modelo e conjunto
de validação do modelo de calibração. O algoritmo seleciona amostras e variáveis com
o objetivo de construir modelos de calibração. Os resultados mostram que os
conjuntos de dados selecionados pelo algoritmo proposto produzem modelos com
melhor capacidade preditiva do que os modelos relatados na literatura.
|
Page generated in 0.1102 seconds