Particionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariada

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Alves, André Luiz lattes
Orientador(a): Coelho, Clarimar José lattes
Banca de defesa: Soares, Anderson da Silva lattes, Centeno, Carmen Cecilia lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Pontifícia Universidade Católica de Goiás
Programa de Pós-Graduação: Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas
Departamento: Escola de Engenharia::Curso de Engenharia de Produção
País: Brasil
Palavras-chave em Português:
Particionamento de dados, Seleção de amostras e de variáveis, Calibração multivariada.
Data partitioning, Sample selection and variable selection, Multivariate calibration.
Área do conhecimento CNPq:
ENGENHARIAS::ENGENHARIA DE PRODUCAO
Link de acesso: https://tede2.pucgoias.edu.br/handle/tede/3853
Resumo: 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.
id PUC_GO_7a4213dbf8e9f93ce336621c02f4f088
oai_identifier_str oai:ambar:tede/3853
network_acronym_str PUC_GO
network_name_str Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás)
repository_id_str
spelling Coelho, Clarimar Joséhttp://lattes.cnpq.br/1350166605717268Soares, Anderson da Silvahttp://lattes.cnpq.br/1096941114079527Centeno, Carmen Ceciliahttp://lattes.cnpq.br/3865373650548957http://lattes.cnpq.br/2753797227214950Alves, André Luiz2017-11-22T13:39:54Z2017-09-22Alves, André Luiz. Particionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariada. 2017. 51 f. Dissertação (Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas) - Pontifícia Universidade Católica de Goiás, Goiânia-GO.https://tede2.pucgoias.edu.br/handle/tede/3853The 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.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: 2017-09-22application/pdfhttps://tede2.pucgoias.edu.br/retrieve/11828/Andr%c3%a9%20Luiz%20Alves.pdf.jpgporPontifícia Universidade Católica de GoiásPrograma de Pós-Graduação STRICTO SENSU em Engenharia de Produção e SistemasPUC GoiásBrasilEscola de Engenharia::Curso de Engenharia de ProduçãoParticionamento de dados, Seleção de amostras e de variáveis, Calibração multivariada.Data partitioning, Sample selection and variable selection, Multivariate calibration.ENGENHARIAS::ENGENHARIA DE PRODUCAOParticionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariadaDataset partitioning and variable selection in multivariate calibration problemsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás)instname:Pontifícia Universidade Católica de Goiás (PUC-GO)instacron:PUC_GOTHUMBNAILAndré Luiz Alves.pdf.jpgAndré Luiz Alves.pdf.jpgimage/jpeg4130http://localhost:8080/tede/bitstream/tede/3853/4/Andr%C3%A9+Luiz+Alves.pdf.jpgb86376d2c84fb5b94014264afd134624MD54TEXTAndré Luiz Alves.pdf.txtAndré Luiz Alves.pdf.txttext/plain71759http://localhost:8080/tede/bitstream/tede/3853/3/Andr%C3%A9+Luiz+Alves.pdf.txt585dffd2bbaef0aabf74d15c6899dab5MD53ORIGINALAndré Luiz Alves.pdfAndré Luiz Alves.pdfapplication/pdf760209http://localhost:8080/tede/bitstream/tede/3853/2/Andr%C3%A9+Luiz+Alves.pdf09b516d6ffcca2c7f66578b275613b36MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82001http://localhost:8080/tede/bitstream/tede/3853/1/license.txtfd9262f8b1e1c170dee71e4fbec6b16cMD51tede/38532025-09-18 10:28:07.428oai:ambar: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 Digital de Teses e Dissertaçõeshttp://tede2.pucgoias.edu.br:8080/http://tede2.pucgoias.edu.br:8080/oai/requesttede@pucgoias.edu.bropendoar:65932025-09-18T13:28:07Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) - Pontifícia Universidade Católica de Goiás (PUC-GO)false
dc.title.eng.fl_str_mv Particionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariada
dc.title.alternative.none.fl_str_mv Dataset partitioning and variable selection in multivariate calibration problems
title Particionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariada
spellingShingle Particionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariada
Alves, André Luiz
Particionamento de dados, Seleção de amostras e de variáveis, Calibração multivariada.
Data partitioning, Sample selection and variable selection, Multivariate calibration.
ENGENHARIAS::ENGENHARIA DE PRODUCAO
title_short Particionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariada
title_full Particionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariada
title_fullStr Particionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariada
title_full_unstemmed Particionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariada
title_sort Particionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariada
author Alves, André Luiz
author_facet Alves, André Luiz
author_role author
dc.contributor.advisor1.fl_str_mv Coelho, Clarimar José
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/1350166605717268
dc.contributor.referee1.fl_str_mv Soares, Anderson da Silva
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/1096941114079527
dc.contributor.referee2.fl_str_mv Centeno, Carmen Cecilia
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/3865373650548957
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/2753797227214950
dc.contributor.author.fl_str_mv Alves, André Luiz
contributor_str_mv Coelho, Clarimar José
Soares, Anderson da Silva
Centeno, Carmen Cecilia
dc.subject.por.fl_str_mv Particionamento de dados, Seleção de amostras e de variáveis, Calibração multivariada.
Data partitioning, Sample selection and variable selection, Multivariate calibration.
topic Particionamento de dados, Seleção de amostras e de variáveis, Calibração multivariada.
Data partitioning, Sample selection and variable selection, Multivariate calibration.
ENGENHARIAS::ENGENHARIA DE PRODUCAO
dc.subject.cnpq.fl_str_mv ENGENHARIAS::ENGENHARIA DE PRODUCAO
description 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.
publishDate 2017
dc.date.accessioned.fl_str_mv 2017-11-22T13:39:54Z
dc.date.issued.fl_str_mv 2017-09-22
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv Alves, André Luiz. Particionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariada. 2017. 51 f. Dissertação (Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas) - Pontifícia Universidade Católica de Goiás, Goiânia-GO.
dc.identifier.uri.fl_str_mv https://tede2.pucgoias.edu.br/handle/tede/3853
identifier_str_mv Alves, André Luiz. Particionamento de conjunto de dados e seleção de variáveis em problemas de calibração multivariada. 2017. 51 f. Dissertação (Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas) - Pontifícia Universidade Católica de Goiás, Goiânia-GO.
url https://tede2.pucgoias.edu.br/handle/tede/3853
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Pontifícia Universidade Católica de Goiás
dc.publisher.program.fl_str_mv Programa de Pós-Graduação STRICTO SENSU em Engenharia de Produção e Sistemas
dc.publisher.initials.fl_str_mv PUC Goiás
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Escola de Engenharia::Curso de Engenharia de Produção
publisher.none.fl_str_mv Pontifícia Universidade Católica de Goiás
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás)
instname:Pontifícia Universidade Católica de Goiás (PUC-GO)
instacron:PUC_GO
instname_str Pontifícia Universidade Católica de Goiás (PUC-GO)
instacron_str PUC_GO
institution PUC_GO
reponame_str Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás)
collection Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás)
bitstream.url.fl_str_mv http://localhost:8080/tede/bitstream/tede/3853/4/Andr%C3%A9+Luiz+Alves.pdf.jpg
http://localhost:8080/tede/bitstream/tede/3853/3/Andr%C3%A9+Luiz+Alves.pdf.txt
http://localhost:8080/tede/bitstream/tede/3853/2/Andr%C3%A9+Luiz+Alves.pdf
http://localhost:8080/tede/bitstream/tede/3853/1/license.txt
bitstream.checksum.fl_str_mv b86376d2c84fb5b94014264afd134624
585dffd2bbaef0aabf74d15c6899dab5
09b516d6ffcca2c7f66578b275613b36
fd9262f8b1e1c170dee71e4fbec6b16c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da PUC_GOAIS (TEDE-PUC Goiás) - Pontifícia Universidade Católica de Goiás (PUC-GO)
repository.mail.fl_str_mv tede@pucgoias.edu.br
_version_ 1856222751483756544

Registros relacionados