Algoritmos evolutivo multiobjetivo para seleção de variáveis em problemas de calibração multivariada

• Ano de defesa: 2013
• Autor(a) principal: Lucena, Daniel Vitor de
• Orientador(a): Soares, Telma Woerle de Lima
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Goiás
• Programa de Pós-Graduação: Programa de Pós-graduação em Ciência da Computação (INF)
• Departamento: Instituto de Informática - INF (RG)
• País: Brasil
• Palavras-chave em Português: Calibração multivariada; Algoritmo genético; Otimização multiobjetivo
• Palavras-chave em Inglês: Multivariate calibration; Genetic algorithm; Multiobjective optimization
• Área do conhecimento CNPq: CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
• Link de acesso: http://repositorio.bc.ufg.br/tede/handle/tede/3096

This work proposes the use of multi-objective genetics algorithms NSGA-II and SPEA-II on the variable selection in multivariate calibration problems. These algorithms are used for selecting variables for a Multiple Linear Regression (MLR) by two conflicting objectives: the prediction error and the used variables number in MLR. For the case study are used wheat data obtained by NIR spectrometry with the objective for determining a variable subgroup with information about protein concentration. The results of traditional techniques of multivariate calibration as the Partial Least Square (PLS) and Successive Projection Algorithm (SPA) for MLR are presents for comparisons. The obtained results showed that the proposed approach obtained better results when compared with a monoobjective evolutionary algorithm and with traditional techniques of multivariate calibration.