Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2018-01-10T09:42:22Z
No. of bitstreams: 2
Dissertação - Hélios Kárum de Oliveira Bastos - 2017.pdf: 2219804 bytes, checksum: ba853c18f7e7e2c65eb0a342d4a34640 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-01-10T09:42:46Z (GMT) No. of bitstreams: 2
Dissertação - Hélios Kárum de Oliveira Bastos - 2017.pdf: 2219804 bytes, checksum: ba853c18f7e7e2c65eb0a342d4a34640 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-01-10T09:42:46Z (GMT). No. of bitstreams: 2
Dissertação - Hélios Kárum de Oliveira Bastos - 2017.pdf: 2219804 bytes, checksum: ba853c18f7e7e2c65eb0a342d4a34640 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Previous issue date: 2017-08-24 / Multiobjective Optimization for feature and samples selection in double chromosome of integer
representation and variable size for multivariate calibration}
In several problems of regression, classification, prediction, approximation
Optimization, the original data contain a large number of variables to obtain a better representation of the
problem under consideration. However, a significant part of the variables may be irrelevant and redundant
from the point of view of machine learning. Indeed, one of the challenges to be overcome is a selection of a
subset of variables that has the best perform. One of the breakthroughs in this type of problem is the use of a
multiobjective formulation that avoids the overlap of the model to the training data set. Another important
point is the process of choosing the objects to be used in the learning stage. Generally, a selection of
variables and treatment objects are treated separately and without dependence. This project proposes a
multiobjective modeling to select variables and objects simultaneously using a genetic integer representation
algorithm with variable size chromosomes. It is expected that a simultaneous selection of objects and
variables on a multiobjective context produce better results in a traditional approach. As a case study this
work utilized an analysis of near infrared (NIR) material on oil samples for the purpose of estimating the
concentration of an interest properties such set was used in the competition conducted at the International
Diffuse Reflectance Conference (IDRC) in the year 2014. / Em diversos problemas de regressão, classificação, previsão, aproximação e
otimização, os dados originais contêm um grande número de variáveis introduzidas para se
obter uma melhor representação do problema considerado. Entretanto, uma parte significativa
destas variáveis podem ser irrelevantes e/ou redundantes do ponto de vista do aprendizado de
máquina acerca do problema. Com efeito, um dos desafios a ser superados é a seleção de um
subconjunto de variáveis que apresentem um melhor desempenho. Um dos avanços recentes
neste tipo de problema está no uso de uma formulação multiobjetivo que evita o superajuste
do modelo ao conjunto de dados de treinamento. Outro ponto importante refere-se ao
processo de escolha adequada dos objetos a serem utilizados na etapa de aprendizado.
Geralmente, a seleção de variáveis e de objetos de treinamento são tratados de forma
separada e sem dependência. Este projeto propõe uma modelagem multiobjetivo para seleção
de variáveis e objetos de forma simultânea utilizando-se de algoritmo genético de
representação inteira com cromossomos de tamanho variáveis. Espera-se que a seleção
simultânea de objetos e variáveis no contexto multiobjetivo produza melhores resultados em
relação a abordagem tradicional. Como estudo de caso este trabalho utiliza dados obtidos por
uma análise de material com ondas de infravermelho próximo (NIR) sobre amostras de
petróleo com o propósito de estimar a concentração de uma propriedade de interesse, tal
conjunto foi utilizado na competição realizada no International Diffuse Reflectance Conference
(IDRC)
(\url{http://cnirs.clubexpress.com/content.aspx?page_id=22&club_id=409746&module_id=19
0211}), no ano de 2015.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/8094 |
| Date | 24 August 2017 |
| Creators | Bastos, Hélios Kárum de Oliveira |
| Contributors | Soares, Anderson da Silva, Soares, Anderson da Silva, Sanches, Danilo Sipoli, Laureano, Gustavo Teodoro |
| 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, -7712266734633644768, 3671711205811204509 |
Page generated in 0.0028 seconds