Submitted by Cássia Santos (cassia.bcufg@gmail.com) on 2016-07-13T15:55:18Z
No. of bitstreams: 2
Dissertação - Camila Maione - 2016.pdf: 1989404 bytes, checksum: 187d52e34bf79b7242d8bc18a287ef49 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-07-14T11:35:01Z (GMT) No. of bitstreams: 2
Dissertação - Camila Maione - 2016.pdf: 1989404 bytes, checksum: 187d52e34bf79b7242d8bc18a287ef49 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-07-14T11:35:01Z (GMT). No. of bitstreams: 2
Dissertação - Camila Maione - 2016.pdf: 1989404 bytes, checksum: 187d52e34bf79b7242d8bc18a287ef49 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Previous issue date: 2016-03-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / A practical way to characterize consumable substances is through its chemical elements in
its composition and theirs concentrations. By using these elements as feature variables, it
is possible to arrange these substances samples in a data matrix in which data mining
and statistical techniques can be applied for predictive analysis. The classification of
consumable substances based on its chemical components is an interesting problem
and provides useful information for various purposes, as: recognition of geographical
origin of a substance; validation and authenticity; determination of the characteristics of
a product which can aid companies in the quality control and preservation; differentiation
of categories of a product, and others.
This study presents a methodology for predictive analysis of substances and food based
on its chemical components, using data mining concepts and techniques allied to ICPMS.
Four applications of the proposed methodology are described: recognition of the
geographical origin of Brazilian white rice produced in São Paulo and Goiás states; differentiation
of organic and conventional Brazilian grape juice; differentiation of organic
and conventional Brazilian chocolate, and analysis of its toxic and essential elements; recognition
of the source of ecstasy tablets apprehended in two cities from Sao Paulo state,
Ribeirão Preto and Campinas.
For all applications presented, the classification models obtained showed high predictive
performance (over 85%), which attest the efficiency of the proposed methodology, and
the variable selection techniques used helped us to identify the chemical elements which
are more important to the differentiation of the analyzed samples. For the purpose of
distinguishing food samples into organic and conventional, our approach is pioneer and
yielded good results. / Uma maneira prática de caracterizar substâncias é através dos elementos químicos em sua
composiçã. Utilizando estes elementos como variáveis descritoras, é possível organizarmos
amostras de substâncias em uma matriz de dados para ser analisada por técnicas de
mineração de dados e estatística. A classificação de substâncias baseada em sua composição
química provê uma variedade de informações úteis para diversos propósitos, como
reconhecimento da origem geográfica de uma determinada substância, verificação de autenticidade,
identificar características de produtos que auxiliem empresas no controle de
qualidade e preservação, diferenciação de categorias de produtos, entre outros.
Este trabalho apresenta uma metodologia para análise preditiva de dados de substâncias
e alimentos com base em sua composição química, utilizando técnicas de mineração de
dados aliada a espectrometria de massa por plasma indutivamente acoplado (ICP-MS).
Quatro aplicações diretas da metodologia são apresentadas: reconhecimento geográfico
do arroz branco brasileiro produzido nos estados do Rio Grande do Sul e Goiás; classificação
do suco de uva brasileiro em orgânico e convencional; diferenciação do chocolate
brasileiro em orgânico e convencional e análise de seus elementos tóxicos e essenciais; reconhecimento
da origem de tabletes de ecstasy entre duas cidades de apreensão do estado
de São Paulo, Campinas e Ribeirão Preto.
Em todas as aplicações, os modelos de classificação obtidos apresentaram alto desempenho
de predição (superior a 85%), o que atesta a eficiência da metodologia proposta, e
os algoritmos de seleção de variáveis utilizados ajudaram a identificar os elementos químicos
mais importantes para a diferenciação das amostras. No âmbito de diferenciação
de amostras de alimento entre orgânico e convencional, a nossa abordagem é pioneira e
gerou bons resultados.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/5715 |
| Date | 29 March 2016 |
| Creators | Maione, Camila |
| Contributors | Barbosa, Rommel Melgaço, Barbosa, Rommel Melgaço, Noronha, Adriana Backx, Leitão Júnior, Plínio de Sá |
| Publisher | Universidade Federal de Goiás, Programa de Pós-graduação em Ciência da Computação (INF), UFG, Brasil, Instituto de Informática - INF (RG) |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG |
| Rights | http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess |
| Relation | -3303550325223384799, 600, 600, 600, 600, -7712266734633644768, 8930092515683771531, 2075167498588264571 |
Page generated in 0.0029 seconds