Navegando por Autor "Menezes, Fortunato Silva de"

Agora exibindo 1 - 2 de 2

Classificação de dados sensoriais de cafés especiais com resposta multiclasse via Algoritmo Boosting e Bagging
(Universidade Federal de Lavras, 2016-02-25) Oliveira, Lílian Maria de; Menezes, Fortunato Silva de
Os métodos automáticos de classificação têm sido desenvolvidos na área de Aprendizado de Máquina com o intuito de facilitar a categorização de dados. Dentre os métodos mais bem sucedidos destacam-se o Boosting e o Bagging. O Bagging funciona combinando classificadores ajustados em amostras bootstrap dos dados e o Boosting funciona aplicando-se sequencialmente um algoritmo de classificação a versões reponderadas do conjunto de dados de treinamento, dando maior peso às observações classificadas erroneamente no passo anterior. Esses classificadores se caracterizam por produzirem resultados satisfatórios, baixo custo computacional e vantagem da simplicidade de implementação. Dadas essas características, surge um interesse em verificar o desempenho desses métodos automáticos comparados com os métodos clássicos de classificação existentes na Estatística, a Análise Discriminante Linear e Quadrática. Com o propósito de comparar essas técnicas, utilizou-se as taxas de erro de classificação dos modelos. Para melhorar a confiança da utilização dos métodos Boosting e Bagging em problemas mais complexos de classificação, um estudo foi realizado aplicando essas técnicas em dados reais e simulados que eram compostos por mais que duas categorias na variável resposta. Nesta dissertação, para estimular a implementação do Boosting e Bagging, realizou-se uma aplicação na Análise Sensorial. Concluiu-se que os métodos automáticos tiverem um bom desempenho de classificação, proporcionando taxas de erro menores que as Análises Discriminante Linear e Quadrática nas aplicações testadas.
Statistical procedure for the composition of a sensory panel of blends of coffee with different qualities using the distribution of the extremes of the highest scores
(Editora da Universidade Estadual de Maringá - EDUEM, 2019) Cirillo, Marcelo Ângelo; Ramos, Mariana Figueira; Borém, Flávio Meira; Miranda, Felipe Mesquita de; Ribeiro, Diego Egídio; Menezes, Fortunato Silva de
The identification and interpretation of discrepant observations in sensory experiments are difficult to implement since the external effects are associated with the individual consumer. This fact becomes more relevant in experiments that involve blends, which scrutinize coffees with different qualities, varieties, origins, and forms of processing and preparation. This work proposes a statistical procedure that facilitates the identification of outliers while also evaluating the discriminatory powers of a sensory panel concerning the differentiation of pure blends and coffees. For this purpose, four experiments were performed that tested coffees with different qualities and varieties. The results suggest that the statistical procedure proposed in this work was effective for discriminating the blends relative to the pure coffees and that the effects of the concentrations and types of processing did not interfere with the statistical evaluations.