Please use this identifier to cite or link to this item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1035294
Full metadata record
DC FieldValueLanguage
dc.contributor.authorLUIZ, A. J. B.por
dc.contributor.authorMAIA, A. de H. N.por
dc.contributor.authorSANCHES, I. D. A.por
dc.contributor.authorGÜRTLER, S.por
dc.contributor.authorSOUZA FILHO, C. R. depor
dc.contributor.otherALFREDO JOSE BARRETO LUIZ, CNPMA; ALINE DE HOLANDA NUNES MAIA, CNPMA; IEDA DEL'ARCO SANCHES, INPE; SALETE GURTLER, INPE; CARLOS ROBERTO DE SOUZA FILHO, IG-UNICAMP.por
dc.date.accessioned2016-01-27T11:11:11Zpor
dc.date.available2016-01-27T11:11:11Zpor
dc.date.created2016-01-27por
dc.date.issued2015por
dc.identifier.other14782por
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1035294por
dc.descriptionResumo: Experimentos em que são coletadas muitas medidas em cada unidade experimental têm matrizes de dados nas quais o número de colunas (variáveis) é muito maior que o de linhas (observações). Dados hiperespectrais são habitualmente coletados por instrumentos que medem instantaneamente as reflectâncias de um alvo em milhares de comprimentos de onda e podemos considerar que cada uma delas constitui uma variável prognóstica num modelo de regressão. A facilidade na obtenção de cada vez maior número de variáveis simultâneas não se repete na obtenção das observações dessas variáveis. A análise de componentes principais (ACP) é indicada para tratar tal quantidade de variáveis e reduzir a dimensionalidade dos dados, mas sua aplicação ainda exige a obtenção de um grande número de medidas. Já a análise discriminante é usada na tentativa de classificar diferentes alvos, mas precisa ser precedida da seleção de um pequeno subconjunto de bandas, geralmente escolhidas com base em informações preexistentes e não nos próprios dados. A regressão linear permite empregar o método stepwise para selecionar um subconjunto de bandas, mas só é indicada para variáveis dependentes quantitativas. O presente trabalho propõe o uso da regressão logística politômica stepwise para selecionar um pequeno conjunto de bandas espectrais que discrimine alvos em k classes, quando a variável resposta de interesse é nominal. Apresentamos um exemplo no qual os dados espectrais são utilizados para construção de modelos logísticos com um pequeno número de preditores (bandas) para classificação de folhas verdes em classes correspondentes a três culturas agrícolas: soja perene, milho e braquiária.por
dc.description.uribitstream/item/137863/1/2015AA009.pdfpor
dc.languagept_BRpor
dc.language.isoporpor
dc.publisherIn: REUNIÃO ANUAL DA REGIÃO BRASILEIRA DA SOCIEDADE INTERNACIONAL DE BIOMETRIA, 60.; SIMPÓSIO DE ESTATÍSTICA APLICADA À EXPERIMENTAÇÃO AGRONÔMICA, 16., 2015, Presidente Prudente. A estatística e os novos desafios: tratamento e modelagem da informação: anais... Presidente Prudente: Sociedade Internacional de Biometria, 2015. 10 p.por
dc.relation.ispartofEmbrapa Meio Ambiente - Artigo em anais de congresso (ALICE)por
dc.rightsopenAccesspor
dc.subjectRegressão logística politômicapor
dc.subjectSeleção de variáveis explicativaspor
dc.subjectPolytomous logistic regressionpor
dc.subjectStepwisepor
dc.subjectSelection of explanatory variablespor
dc.titleBusca de relações quando o número de variáveis é muito maior que o de observações: o caso de dados hiperespectrais.por
dc.typeArtigo em anais de congresso (ALICE)por
dc.date.updated2016-01-27T11:11:11Zpor
dc.subject.thesagroRegressão linearpor
dc.subject.thesagroEstatística agrícolapor
dc.subject.thesagroSensoriamento remotopor
dc.subject.nalthesaurusLinear modelspor
dc.subject.nalthesaurusRemote sensingpor
dc.ainfo.id1035294por
dc.ainfo.lastupdate2016-01-27por
Appears in Collections:Artigo em anais de congresso (CNPMA)

Files in This Item:
File Description SizeFormat 
2015AA009.pdf232,77 kBAdobe PDFThumbnail
View/Open

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace