Uma abordagem evolutiva multiobjetivo baseada em ponto de atração para seleção de variáveis em problemas de classificação de falhas

Página do item simplificado
dc.creatorFernando Marcos Souza Silva
dc.creatorJessica Flaviane Ferreira
dc.creatorReinaldo Martinez Palhares
dc.creatorMarcos Flávio Silveira Vasconcelos D'angelo
dc.date.accessioned2025-04-01T17:52:15Z
dc.date.accessioned2025-09-08T23:24:47Z
dc.date.available2025-04-01T17:52:15Z
dc.date.issued2017
dc.identifier.urihttps://hdl.handle.net/1843/81196
dc.languagepor
dc.publisherUniversidade Federal de Minas Gerais
dc.relation.ispartofXLIX Simpósio Brasileiro de Pesquisa Operacional
dc.rightsAcesso Aberto
dc.subjectEngenharia de produção
dc.subjectControle automático
dc.subjectTeoria do controle
dc.subjectModelos matemáticos
dc.subject.otherControle de Processos
dc.subject.otherSeleção de Variáveis
dc.subject.otherDiagnóstico de Falhas
dc.subject.otherInteligência Artificial
dc.subject.otherInteligência Computacional
dc.subject.otherControle
dc.subject.otherVariable Selection. NSGA-II. Fault Classification. Attraction Point
dc.titleUma abordagem evolutiva multiobjetivo baseada em ponto de atração para seleção de variáveis em problemas de classificação de falhas
dc.typeArtigo de evento
local.citation.epage12
local.citation.spage1
local.description.resumoThis paper presents a variable selection wrapper method called NSGA-II-GMM-AP that is based on the evolutionary algorithm NSGA-II and classifiers that uses Gaussian Mixture Models. This algorithm is a bi-objective approach that has as main characteristic the use of attraction point which is responsible for the complexity control of individuals in the NSGA-II population during the optimization process. Experiments carried out on Tennessee Eastman Petrochemical Process dataset for fault classification showed that NSGA-II-GMM-AP leads to solutions with lower classification error than the other methods applied, being a promising approach to the variable selection problem.
local.publisher.countryBrasil
local.publisher.departmentENG - DEPARTAMENTO DE ENGENHARIA ELETRÔNICA
local.publisher.initialsUFMG
local.url.externahttp://ws2.din.uem.br/~ademir/sbpo/sbpo2017/pdf/168920.pdf

Arquivos

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
License.txt
Tamanho:
1.99 KB
Formato:
Plain Text
Descrição:
Baixar

Coleções

Artigo de Evento

Logo UFMG