Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.156
Aluno: Ítalo Alves Carneiro
Orientadora: Profa. Renata Maria Cardoso Rodrigues de Souza
Coorientador: Prof. Leandro Carlos de Souza (UFPB)
Título: Regressão linear robusta auto-organizada aplicada a dados intervalares
Data: 29/08/2024
Hora/Local: 14h – Auditório do Centro de Informática – Bloco B
Banca Examinadora:
Prof. Nivan Roberto Ferreira Júnior (UFPE / Centro de Informática)
Prof. Bruno Almeida Pimentel (UFAL / Instituto de Computação)
Prof. Renata Maria Cardoso Rodrigues de Souza (UFPE / Centro de Informática)
RESUMO:
Dados simbólicos são tipos de dados complexos e podem ser representados de diferentes maneiras, cada uma com suas peculiaridades e aplicações. Dados do tipo intervalo, por sua vez, podem ser usados para representar informações imprecisas, como medições, informações sensíveis, como geolocalização, ou até mesmo como uma forma de reduzir o tamanho do problema. No contexto da regressão linear de dados intervalares, podemos ter dois problemas: sensibilidade a dados discrepantes (outliers) e escolha adequada para a representação dos intervalos. Para superar essas dificuldades, este artigo propõe um modelo de regressão robusta para dados intervalares no qual a melhor representação para os dados intervalares é obtida automaticamente, otimizando um critério baseado na equação paramétrica da reta e no método dos mínimos quadrados reponderados. Conjuntos de dados sintéticos e reais são considerados para validar o desempenho do modelo proposto. Conceitos de outliers de limite inferior e superior também foram introduzidos, além da métrica MMRE:L para limites inferiores e MMRE:U para limites superiores.
Palavras-chave: Análise Simbólica de Dados; Dados de intervalares; Outliers; Regressão robusta.
Comentários desativados