Título: Algoritmo Genético Multi-Objetivo Para Seleção de Variáveis em Problemas de Classificação Multivariada: Um Estudo de Caso na Verificação de Adulteração de Biodiesel
Autores: Ribeiro, Lucas de Almeida; Soares, Anderson da Silva; Coelho, Clarimar José; Soares, Fabrízzio A. A. Melo Nunes; Lima, Telma Woerle de; Jorge, Carlos Antônio Campos
Resumo: Este trabalho tem por objetivo propor uma formulação multiobjetivo utilizando algoritmos genéticos para o problema de seleção de variáveis em calibração multivariada. Apresenta-se um problema envolvendo a classificação de amostras de biodiesel para detecção de adulteração por meio de um classificador denominado análise discriminante linear. O papel do algoritmo genético multiobjetivo consiste em reduzir a dimensionalidade do conjunto original de variáveis de modo a proporcionar um modelo de classificação mais robusto e consequentemente de melhor capacidade de generalização. Em particular o trabalho faz uma implementação da versão de elitismo rápido do algoritmo genético de ordenação por não dominância (NSGA-II). É feita uma comparação entre uma implementação monoobjetivo e multiobjetivo com relação ao modelo e robustez em relação à presença de ruído. Os resultados mostram que em média o algoritmo genético monoobjetivo seleciona 20 variáveis e tem uma taxa de erro de 14% e o multiobjetivo seleciona 7 variáveis e tem uma taxa de erro de 11%. Foi possível demonstrar que a formulação multiobjetivo proporciona modelos de classificação com menor sensibilidade a ruído instrumental quando comparada a formulação monoobjetivo.
Palavras-chave:
Páginas: 6
Código DOI: 10.21528/CBIC2013-237
Artigo em pdf: bricsccicbic2013_submission_237.pdf
Arquivo BibTex: bricsccicbic2013_submission_237.bib