Algoritmo das Projeções Sucessivas Para Seleção de ... - PPGQ

More documents

Recommendations

Info

Capítulo VI. Classificação de solos brasileiros freqüentes para todas as amostras e em todos os níveis de significância do teste-F. Os resultados apresentados pelos modelos SIMCA condizem com aqueles obtidos pela PCA. De fato, uma grande dispersão e sobreposição das classes de solos são observadas nas Figuras 6.7 e 6.8, o que leva a um número maior de erros do Tipo II. 6.6.1.2. Modelos GA-LDA, SW-LDA e SPA-LDA Entre os três algoritmos de seleção de variáveis avaliados, o GA foi aquele que apresentou o número maior de variáveis (12) e erros de classificação para o conjunto Teste (11 de 37 amostras foram incorretamente classificadas). Para o SW-LDA, sete valores de limiar foram testados, conforme descrito na seção 6.5.4. Cinco comprimentos de onda foram selecionados e o limiar escolhido, baseado no número menor de erros para o conjunto de validação, foi 0,1. O modelo LDA resultante com as cinco variáveis selecionadas apresentou seis erros para o conjunto de teste. Com o SPA-LDA, cinco variáveis foram também selecionadas, conforme o gráfico de scree apresentado na Figura 6.9. Figura 6.9. Gráfico de scree obtido pelo SPA-LDA para os espectros LIBS de solos brasileiros. Os cinco comprimentos de onda selecionados pelo SPA-LDA encontram-se destacados na Figura 6.10 e Figura 6.11. 91
Capítulo VI. Classificação de solos brasileiros (C) (A) (B) Figura 6.10. Espectro médio da classe Nitossolo com as variáveis selecionadas pelo SPA-LDA. (A), (B) e (C) indicam as regiões ampliadas na Figura 6.11. Figura 6.11. Espectros LIBS médio ampliados de cada classe com as variáveis selecionadas pelo SPA-LDA. Argissolo: –; Latossolo: – e Nitossolo: –. As cinco variáveis selecionadas pelo SPA-LDA correspondem aos comprimentos de onda: 279,55; 340,38; 396,15; 396,20 e 396,85 nm. 92
Page 1 and 2:
Universidade Federal da Paraíba Ce
Page 3:
P814a Pontes, Márcio José Coelho
Page 6 and 7:
Agradecimentos • A Deus; • A to
Page 8 and 9:
Sumário Lista de Figuras..........
Page 10 and 11:
6.4. Objetivos ....................
Page 12 and 13:
Figura 3.10. Espectro médio para c
Page 14 and 15:
Figura 6.10. Espectro médio da cla
Page 16 and 17:
Tabela 5.2. Número de amostras de
Page 18 and 19:
Resumo Neste trabalho, o Algoritmo
Page 20 and 21:
Publicações decorrentes do trabal
Page 22 and 23:
Capítulo I. Introdução 1. INTROD
Page 24 and 25:
Capítulo I. Introdução Tabela 1.
Page 26 and 27:
Capítulo I. Introdução seja, as
Page 28 and 29:
Capítulo I. Introdução Técnicas
Page 30 and 31:
Capítulo I. Introdução Candolfi
Page 32 and 33:
Capítulo I. Introdução técnicas
Page 34 and 35:
Capítulo I. Introdução foram uti
Page 36 and 37:
Capítulo I. Introdução 1.4. Obje
Page 38 and 39:
Capítulo II. Fundamentação Teór
Page 40 and 41:
Page 42 and 43:
Page 44 and 45:
Page 46 and 47:
Page 48 and 49:
Page 50 and 51:
Page 52 and 53:
Page 54 and 55:
CAPÍTULO III CLASSIFICAÇÃO DE Ó
Page 56 and 57:
Capítulo III. Classificação de
Page 58 and 59:
Page 60 and 61:
Page 62 and 63: Capítulo III. Classificação de
Page 72 and 73: Capítulo IV. Classificação de ó
Page 86 and 87: Capítulo V. Classificação de caf
Page 100 and 101: Capítulo VI. Classificação de so
Page 118 and 119: CAPÍTULO VII CONCLUSÕES
Page 120 and 121: Capítulo VII. Conclusões 7.1. Pro
Page 122 and 123: Referências Bibliográficas direta
Page 124 and 125: Referências Bibliográficas Assess
Page 126 and 127: Referências Bibliográficas [44] B
Page 128 and 129: Referências Bibliográficas [61] S
Page 134 and 135: Referências Bibliográficas [112]
Page 136 and 137: Referências Bibliográficas [129]
Page 138 and 139: Anexos O código-fonte do programa
Page 140 and 141: Anexos end save(filename,'L') else
Page 142 and 143: Anexos Programas Auxiliares do SPA-
Page 144: Anexos Programas Auxiliares do SPA-
show all

Algoritmo das Projeções Sucessivas Para Seleção de ... - PPGQ

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?