Algoritmo do Morcego para Seleção de Variáveis em Calibração Multivariada
DOI:
https://doi.org/10.18224/arithmos.v1i1.6948Palavras-chave:
Algoritmo do Morcego, Seleção de Variáveis, Calibração Multivariada.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.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.
Downloads
Publicado
Edição
Seção
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
