Algoritmo das Projeções Sucessivas Para Seleção de ... - PPGQ
Algoritmo das Projeções Sucessivas Para Seleção de ... - PPGQ
Algoritmo das Projeções Sucessivas Para Seleção de ... - PPGQ
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Capítulo VI. Classificação <strong>de</strong> solos brasileiros<br />
número <strong>de</strong> erros para o conjunto <strong>de</strong> teste, tanto para o SW-LDA, como para o SPA-<br />
LDA, permaneceu constante. Contudo, o SPA-LDA foi mais parcimonioso,<br />
selecionando um número menor <strong>de</strong> variáveis (três coeficientes wavelet). <strong>Para</strong> o<br />
SIMCA (nível <strong>de</strong> significância <strong>de</strong> 25%) e o GA-LDA, os resultados obtidos após a<br />
WC foram ainda melhores do que quando aplicados aos espectros originais.<br />
É importante ressaltar que o esforço computacional envolvido no processo<br />
<strong>de</strong> mo<strong>de</strong>lagem foi substancialmente reduzido pelo uso da WC em to<strong>das</strong> as<br />
estratégias estuda<strong>das</strong>. Com o SPA-LDA, por exemplo, foi possível reduzir <strong>de</strong> 7 h e<br />
20 minutos para aproximadamente 4 min e 40 s, utilizando o mesmo computador<br />
especificado na seção 6.6.1.2.<br />
6.7. Consi<strong>de</strong>rações Finais<br />
Neste capítulo, foi apresentada uma nova metodologia analítica baseada na<br />
combinação dos espectros LIBS com o SPA-LDA para a classificação <strong>de</strong> solos<br />
brasileiros em três diferentes or<strong>de</strong>ns (Argissolo, Latossolo e Nitossolo).<br />
Os mo<strong>de</strong>los LDA construídos com to<strong>das</strong> as três estratégias <strong>de</strong> seleção <strong>de</strong><br />
variáveis (GA, SW e SPA) apresentaram um <strong>de</strong>sempenho melhor do que o SIMCA.<br />
Especificamente, os melhores resultados foram obtidos com o SW-LDA e SPA-LDA.<br />
Contudo, o SW tem a <strong>de</strong>svantagem <strong>de</strong> buscar, entre vários valores <strong>de</strong> limiar, o mais<br />
a<strong>de</strong>quado.<br />
O procedimento <strong>de</strong> compressão wavelet proposto foi <strong>de</strong> gran<strong>de</strong> utilida<strong>de</strong> na<br />
redução da dimensionalida<strong>de</strong> dos dados (26624 variáveis para 660 coeficientes<br />
wavelet) e do tempo computacional, sem comprometer o <strong>de</strong>sempenho dos mo<strong>de</strong>los.<br />
A escolha da wavelet foi baseada no critério da parcimônia (menor número<br />
<strong>de</strong> coeficientes retidos no processo <strong>de</strong> compressão). Com intuito <strong>de</strong> melhorar os<br />
resultados <strong>de</strong> classificação, torna-se importante, em trabalhos futuros, investigar<br />
outros critérios <strong>de</strong> escolha, ou ainda, outras técnicas <strong>de</strong> compressão <strong>de</strong> dados.<br />
Entre os quatro problemas <strong>de</strong> classificação apresentados nessa tese, este<br />
certamente foi o mais complicado, não apenas por se tratar <strong>de</strong> amostras complexas<br />
e com dificulda<strong>de</strong>s pré-estabeleci<strong>das</strong> <strong>de</strong> padronização, mas também por utilizar<br />
dados <strong>de</strong> alta dimensionalida<strong>de</strong> provenientes <strong>de</strong> uma técnica analítica ainda em fase<br />
<strong>de</strong> <strong>de</strong>senvolvimento. Mesmo assim, o SPA-LDA obteve um índice <strong>de</strong> acerto <strong>de</strong> 84%<br />
(seis erros <strong>de</strong> classificação) para o conjunto <strong>de</strong> teste.<br />
96