Composição de especialistas locais para classificação de populações.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2004 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações do ITA |
Texto Completo: | http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=87 |
Resumo: | O modelo de Composição de Especialistas Locais (CEL) para classificação de populações constitui uma interessante ferramenta de análise discriminante. Para construção do modelo CEL utiliza-se técnicas discriminantes paramétricas e não-paramétricas, como a Análise Discriminante de Fisher, Logit e Extended DEA-DA. Tais modelos são aplicados numa massa de dados particular como um todo, e na mesma massa de dados clusterizada, visando eleger os especialistas que apresentem melhor desempenho na classificação de populações, ditos vencedores. Ponderam-se os especialistas vencedores nos clusters com o objetivo de construir a composição de especialistas locais (CEL). Realiza-se um estudo de caso onde o modelo CEL é aplicado a um conjunto de empresas classificadas como solventes e insolventes e que serve de sustentáculo para a calibração dos especialistas locais e construção da composição. O presente trabalho tem por objetivo estudar um modelo de Composição de Especialistas Locais (CEL) como instrumento para classificação de populações e compará-lo com o modelo discriminante que apresentou maior número de observações corretamente classificadas numa massa de dados particular, verificando a ocorrência ou não de melhoria no número absoluto de classificações corretas. |
id |
ITA_d54817299ddd39df59fc99bb9f265bad |
---|---|
oai_identifier_str |
oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:87 |
network_acronym_str |
ITA |
network_name_str |
Biblioteca Digital de Teses e Dissertações do ITA |
spelling |
Composição de especialistas locais para classificação de populações.Análise discriminante (Estatística)Modelos matemáticosAnálise de aglomeradosClassificaçõesPopulação (Estatística)Análise estatísticaMétodos estatísticosInteligência artificialMatemáticaO modelo de Composição de Especialistas Locais (CEL) para classificação de populações constitui uma interessante ferramenta de análise discriminante. Para construção do modelo CEL utiliza-se técnicas discriminantes paramétricas e não-paramétricas, como a Análise Discriminante de Fisher, Logit e Extended DEA-DA. Tais modelos são aplicados numa massa de dados particular como um todo, e na mesma massa de dados clusterizada, visando eleger os especialistas que apresentem melhor desempenho na classificação de populações, ditos vencedores. Ponderam-se os especialistas vencedores nos clusters com o objetivo de construir a composição de especialistas locais (CEL). Realiza-se um estudo de caso onde o modelo CEL é aplicado a um conjunto de empresas classificadas como solventes e insolventes e que serve de sustentáculo para a calibração dos especialistas locais e construção da composição. O presente trabalho tem por objetivo estudar um modelo de Composição de Especialistas Locais (CEL) como instrumento para classificação de populações e compará-lo com o modelo discriminante que apresentou maior número de observações corretamente classificadas numa massa de dados particular, verificando a ocorrência ou não de melhoria no número absoluto de classificações corretas. Instituto Tecnológico de AeronáuticaArmando Zeferino MilioniOmar José Sarmento dos Santos2004-00-00info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=87reponame:Biblioteca Digital de Teses e Dissertações do ITAinstname:Instituto Tecnológico de Aeronáuticainstacron:ITAporinfo:eu-repo/semantics/openAccessapplication/pdf2019-02-02T14:01:38Zoai:agregador.ibict.br.BDTD_ITA:oai:ita.br:87http://oai.bdtd.ibict.br/requestopendoar:null2020-05-28 19:32:11.471Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáuticatrue |
dc.title.none.fl_str_mv |
Composição de especialistas locais para classificação de populações. |
title |
Composição de especialistas locais para classificação de populações. |
spellingShingle |
Composição de especialistas locais para classificação de populações. Omar José Sarmento dos Santos Análise discriminante (Estatística) Modelos matemáticos Análise de aglomerados Classificações População (Estatística) Análise estatística Métodos estatísticos Inteligência artificial Matemática |
title_short |
Composição de especialistas locais para classificação de populações. |
title_full |
Composição de especialistas locais para classificação de populações. |
title_fullStr |
Composição de especialistas locais para classificação de populações. |
title_full_unstemmed |
Composição de especialistas locais para classificação de populações. |
title_sort |
Composição de especialistas locais para classificação de populações. |
author |
Omar José Sarmento dos Santos |
author_facet |
Omar José Sarmento dos Santos |
author_role |
author |
dc.contributor.none.fl_str_mv |
Armando Zeferino Milioni |
dc.contributor.author.fl_str_mv |
Omar José Sarmento dos Santos |
dc.subject.por.fl_str_mv |
Análise discriminante (Estatística) Modelos matemáticos Análise de aglomerados Classificações População (Estatística) Análise estatística Métodos estatísticos Inteligência artificial Matemática |
topic |
Análise discriminante (Estatística) Modelos matemáticos Análise de aglomerados Classificações População (Estatística) Análise estatística Métodos estatísticos Inteligência artificial Matemática |
dc.description.none.fl_txt_mv |
O modelo de Composição de Especialistas Locais (CEL) para classificação de populações constitui uma interessante ferramenta de análise discriminante. Para construção do modelo CEL utiliza-se técnicas discriminantes paramétricas e não-paramétricas, como a Análise Discriminante de Fisher, Logit e Extended DEA-DA. Tais modelos são aplicados numa massa de dados particular como um todo, e na mesma massa de dados clusterizada, visando eleger os especialistas que apresentem melhor desempenho na classificação de populações, ditos vencedores. Ponderam-se os especialistas vencedores nos clusters com o objetivo de construir a composição de especialistas locais (CEL). Realiza-se um estudo de caso onde o modelo CEL é aplicado a um conjunto de empresas classificadas como solventes e insolventes e que serve de sustentáculo para a calibração dos especialistas locais e construção da composição. O presente trabalho tem por objetivo estudar um modelo de Composição de Especialistas Locais (CEL) como instrumento para classificação de populações e compará-lo com o modelo discriminante que apresentou maior número de observações corretamente classificadas numa massa de dados particular, verificando a ocorrência ou não de melhoria no número absoluto de classificações corretas. |
description |
O modelo de Composição de Especialistas Locais (CEL) para classificação de populações constitui uma interessante ferramenta de análise discriminante. Para construção do modelo CEL utiliza-se técnicas discriminantes paramétricas e não-paramétricas, como a Análise Discriminante de Fisher, Logit e Extended DEA-DA. Tais modelos são aplicados numa massa de dados particular como um todo, e na mesma massa de dados clusterizada, visando eleger os especialistas que apresentem melhor desempenho na classificação de populações, ditos vencedores. Ponderam-se os especialistas vencedores nos clusters com o objetivo de construir a composição de especialistas locais (CEL). Realiza-se um estudo de caso onde o modelo CEL é aplicado a um conjunto de empresas classificadas como solventes e insolventes e que serve de sustentáculo para a calibração dos especialistas locais e construção da composição. O presente trabalho tem por objetivo estudar um modelo de Composição de Especialistas Locais (CEL) como instrumento para classificação de populações e compará-lo com o modelo discriminante que apresentou maior número de observações corretamente classificadas numa massa de dados particular, verificando a ocorrência ou não de melhoria no número absoluto de classificações corretas. |
publishDate |
2004 |
dc.date.none.fl_str_mv |
2004-00-00 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/masterThesis |
status_str |
publishedVersion |
format |
masterThesis |
dc.identifier.uri.fl_str_mv |
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=87 |
url |
http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=87 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Tecnológico de Aeronáutica |
publisher.none.fl_str_mv |
Instituto Tecnológico de Aeronáutica |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do ITA instname:Instituto Tecnológico de Aeronáutica instacron:ITA |
reponame_str |
Biblioteca Digital de Teses e Dissertações do ITA |
collection |
Biblioteca Digital de Teses e Dissertações do ITA |
instname_str |
Instituto Tecnológico de Aeronáutica |
instacron_str |
ITA |
institution |
ITA |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáutica |
repository.mail.fl_str_mv |
|
subject_por_txtF_mv |
Análise discriminante (Estatística) Modelos matemáticos Análise de aglomerados Classificações População (Estatística) Análise estatística Métodos estatísticos Inteligência artificial Matemática |
_version_ |
1706809252698390528 |