72
População Par Aptidão Erro (RRMS)
1 (0,051555, 16,380952) 70,28 81,69%
5 (0,088858, 6,428571) 10,52 53,33%
13 (0,096626, 10,952381) 8,41 72,61%
21 (0,102606, 4,31746) 5,45 30,51%
35 (0,102606, 3,714286) 1,00 19,22%
40 (0,102606, 3,412698) 0,90 12,13%
Tabela 5.7 – Par solução encontrada pelo algoritmo.
Pela tabela acima é possível observar que o fato da aptidão estar baixando não
implica na diminuição do erro. Isto se deve a não-linearidade do problema e da função
de avaliação, como apresenta a figura 5.3. Da mesma forma, o AGNGS encontrou o
resultado (0.099526,2.809524), com aptidão maior do que o encontrado pelo AGNGA.
Porem o erro RRMS dessa solução foi menor, 6,78% contra 12,13% do AGNGS.
5.4 Aplicação de Ruído à base de dados
Neste trabalho foi adicionado ruído à base de dados de estudo, ou seja, às
medidas de ECG. Isto é feito para estudar o desempenho e o comportamento do
algoritmo com relação a ruídos na base. Ruído pode ser definido como sinais aleatórios
que, adicionados à base de dados, podem alterar seu conteúdo.
Foram realizados dois experimentos. O primeiro aplicou um ruído branco.
Nosso ruído branco é um sinal cuja amplitude máxima é de 0,5 mv, ou seja, em torno de
5% da amplitude máxima da onda R.
Já no segundo experimento, foi aplicado um ruído impulsivo em alguns pontos
do ECG. Esses pontos são conhecidos como outlier. Nesse experimento foi aplicado um
ruído mais significativo, com maior amplitude. O ruído impulsivo ou transiente pode ser
definido como qualquer surto de energia que exceda a normalidade dos dados
existentes. A sua principal característica é que não é previsível, variando
consideravelmente em amplitude, freqüência e periodicidade de ocorrência.
A Figura 5.11 mostra o ECG após a aplicação do ruído no primeiro experimento.