Algoritmo do Morcego para Seleção de Variáveis em Calibração Multivariada

Welverton Rodrigues da Silva, Lauro Cássio Martins de Paula, Anderson da Silva Soares, Clarimar José Coelho

Resumo


Selecionar variáveis consiste em escolher um subconjunto de características, que fornecem informações úteis, em um grande conjunto de dados. Nesse contexto, a calibração multivariada é um campo de estudo que utiliza técnicas estatísticas para construir modelos matemáticos, os quais estabelecem um aprendizado sobre os dados. Para construir tais modelos, muitas vezes torna-se necessário utilizar técnicas de seleção de variáveis. Algoritmos bioinspirados têm sido adaptados e utilizados como métodos de seleção por diversos trabalhos na literatura. O Algoritmo do Morcego (BA, do inglês Bat Algorithm) é uma meta-heurística inspirada na ecolocalização dos morcegos, no qual cada morcego pode ser considerado como uma possível solução para o espaço de busca. Com isso, este trabalho propõe uma implementação do BA para a seleção de variáveis em problemas de calibração multivariada. Os resultados demonstram que o nosso BA é até três vezes melhor que métodos tradicionais em relação à capacidade preditiva de modelos de calibração.

Palavras-chave


Algoritmo do Morcego; Seleção de Variáveis; Calibração Multivariada.

Texto completo:

PDF

Referências


Hair, J. F.; Black, W. C.; Babin, B. J.; Anderson, R. E.; Tatham, R. L.: Análise multivariada de dados. 6. ed. Bookman Editora, 2009.

Scarminio, I. S.; Ishikawa, D. N.; Barreto, W. J.; Paczkowiski, E. L.; Arruda, I. C.: Calibração multivariada para sistemas com bandas sobrepostas através da análise de fatores do tipo Q. Química Nova, São Paulo, v. 21, n. 5, p. 590-596, 1998.

Xu, H.; Qi, B.: Variable selection in visible and near-infrared spectra: Application to on-line determination of sugar content in pears. Journal of Food Engineering, Elsevier, v. 109, n. 1, p. 142-147, 2012.

Paula, L. C. M.; Soares, A. S.; Lima, T. W.; Delbem, A. C.; Coelho, C. J.; Filho, A. R. G.: A GPU-based implementation of the firefly algorithm for variable selection in multivariate calibration problems. PLOS One, v. 9, n. 12, p. e114145, 2014.

Yang, X.: Nature-inspired metaheuristic algorithms. Luniver Press, 2008.

Yang, X.: A new metaheuristic bat-inspired algorithm. Springer Berlin Heidelberg, p. 65-74, 2010.

Burns, D. A.; Ciurczak, E. W.: Handbook of Near-Infrared Analysis. Third Edition. CRC Press, 2007.

Sternberg, J. C.; Stillo, H. S.; Schwendeman, R. H.: Spectrophotometric Analysis of Multicomponent Systems Using Least Squares Method in Matrix Form. Anal. Chem., 32: 84, 1960.

Geraldi, P.; Kowalski, B. R.: Partial least-squares regression: a tutorial. Analytica Chimica Acta, v. 185, p. 1-17, 1986.

Filho, A. R. G.: Avaliação do uso de reamostragem e combinação de modelos em regressão linear múltipla empregando o algoritmo das projeções sucessivas. Dissertação (Mestrado), Instituto Tecnológico de Aeronáutica, 2010.

Paula, L. C. M.: Paralelização de algoritmos APS e Firefly para seleção de variáveis em problemas de calibração multivariada. Dissertação (Mestrado), Universidade Federal de Goiás, 2014.

Soares, A. S.; Lima, T. W.; Soares, F. A. A. M. N.; Coelho, C. J.; Federson, F. M.; Delbem, A. C. B., Van Baalen, J.: Mutation-based compact genetic algorithm for spectroscopy variable selection in determining protein concentration in wheat grain. Electronics Letters, v. 50, n. 13, p. 932-934, 2014.




DOI: http://dx.doi.org/10.18224/arithmos.v1i1.6948

Apontamentos

  • Não há apontamentos.


Direitos autorais 2019 Welverton da Silva

Rodapé - Arithmós
 

Este obra está licenciada com uma Licença Creative Commons - Atribuição Sem Derivações 4.0 CC BY-NC-ND


ARITHMÓS| Revista Arithmós (ἀρῐθμός) da Escola de Ciências Exatas e da Computação da Pontifícia Universidade Católica de Goiás

Visitantes - (04/09/2017 - 21/10/2019)
País Usuários
Brasil 816
França 249
Estados Unidos 70
Indonésia 37
Itália 20
India 12
Alemanha 11
Iraque 10
Noruega 8

Fonte: Google Analytics.