Banca de DEFESA: DAILYS MAITE ALIAGA REYES

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : DAILYS MAITE ALIAGA REYES
DATA : 23/02/2022
HORA: 13:00
LOCAL: Virtual
TÍTULO:

Predição para Dados Simbólicos Multi-valorados de Tipo Quartis: 
Caso Especial Dados Representados por Boxplots

PALAVRAS-CHAVES:

Análise de dados simbólicos. Boxplots. Seleção de 
protótipos. Informação mútua. Múltiplas séries temporais. Modelo vetorial 
autorregressivo. Regressão linear. Funções de quartis.

PÁGINAS: 111
RESUMO:

Um dado simbólico de tipo 𝑏𝑜𝑥𝑝𝑙𝑜𝑡 pode ser considerado como um caso particular das
variáveis numéricas multi-valoradas no contexto da Análises de Dados Simbólicos (ADS). Este tipo de dado tem uma estrutura simples que permite resumir informações de unidades agregadas, chamadas de classes. No entanto, esse tipo de estrutura tem sido pouco explorada na literatura de ADS. Este trabalho apresenta duas novas abordagens de predição com o objetivo de extrair conhecimento e fazer inferência usando dados de 𝑏𝑜𝑥𝑝𝑙𝑜𝑡. A primeira abordagem considera um modelo de regressão para 𝑏𝑜𝑥𝑝𝑙𝑜𝑡 através da equação paramétrica da reta. Esta parametrização permite o ajuste dos pontos nas variáveis regressoras que permite melhorar a qualidade da variável resposta. Nessa direção, um critério é também proposto para verificar a coerência matemática da predição. Se a coerência não é garantida, uma nova estratégia, através de transformações 𝐵𝑜𝑥 −𝐶𝑜𝑥 é aplicada sobre a variável resposta de tipo 𝑏𝑜𝑥𝑝𝑙𝑜𝑡. A segunda abordagem proposta nesse trabalho consiste de um modelo que combina agregação, seleção de protótipos e previsão de series temporais. Inicialmente, as séries temporais são agregadas em classes de entidades e representadas por 𝑏𝑜𝑥𝑝𝑙𝑜𝑡𝑠. Um processo de seleção de protótipos baseado na informação mútua é aplicado para mitigar ruídos no conjunto de dados. Por último, um modelo multivariado para previsão de 𝑏𝑜𝑥𝑝𝑙𝑜𝑡𝑠 é construído. Ambos modelos são avaliados com conjuntos de dados sintéticos e reais. Uma comparação entre as
abordagens propostas e outros métodos de predição da literatura de ADS é também descrita. Além disso, este trabalho apresenta uma aplicação do mundo real no Setor Elétrico Brasileiro para fazer predição da temperatura dos motores usando a abordagem de regressão paramétrica para dados de 𝑏𝑜𝑥𝑝𝑙𝑜𝑡.

MEMBROS DA BANCA:
Externo ao Programa - 1279737 - FRANCISCO CRIBARI NETO
Externo à Instituição - LEANDRO CARLOS DE SOUZA - UFPB
Presidente - 2317415 - NIVAN ROBERTO FERREIRA JUNIOR
Interno - 1890208 - PAULO SALGADO GOMES DE MATTOS NETO
Externo à Instituição - TELMO DE MENEZES E SILVA FILHO