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

Capítulo VI. Classificação de solos brasileiros
número de erros para o conjunto de teste, tanto para o SW-LDA, como para o SPA-
LDA, permaneceu constante. Contudo, o SPA-LDA foi mais parcimonioso,
selecionando um número menor de variáveis (três coeficientes wavelet). Para o
SIMCA (nível de significância de 25%) e o GA-LDA, os resultados obtidos após a
WC foram ainda melhores do que quando aplicados aos espectros originais.
É importante ressaltar que o esforço computacional envolvido no processo
de modelagem foi substancialmente reduzido pelo uso da WC em todas as
estratégias estudadas. Com o SPA-LDA, por exemplo, foi possível reduzir de 7 h e
20 minutos para aproximadamente 4 min e 40 s, utilizando o mesmo computador
especificado na seção 6.6.1.2.
6.7. Considerações Finais
Neste capítulo, foi apresentada uma nova metodologia analítica baseada na
combinação dos espectros LIBS com o SPA-LDA para a classificação de solos
brasileiros em três diferentes ordens (Argissolo, Latossolo e Nitossolo).
Os modelos LDA construídos com todas as três estratégias de seleção de
variáveis (GA, SW e SPA) apresentaram um desempenho melhor do que o SIMCA.
Especificamente, os melhores resultados foram obtidos com o SW-LDA e SPA-LDA.
Contudo, o SW tem a desvantagem de buscar, entre vários valores de limiar, o mais
adequado.
O procedimento de compressão wavelet proposto foi de grande utilidade na
redução da dimensionalidade dos dados (26624 variáveis para 660 coeficientes
wavelet) e do tempo computacional, sem comprometer o desempenho dos modelos.
A escolha da wavelet foi baseada no critério da parcimônia (menor número
de coeficientes retidos no processo de compressão). Com intuito de melhorar os
resultados de classificação, torna-se importante, em trabalhos futuros, investigar
outros critérios de escolha, ou ainda, outras técnicas de compressão de dados.
Entre os quatro problemas de classificação apresentados nessa tese, este
certamente foi o mais complicado, não apenas por se tratar de amostras complexas
e com dificuldades pré-estabelecidas de padronização, mas também por utilizar
dados de alta dimensionalidade provenientes de uma técnica analítica ainda em fase
de desenvolvimento. Mesmo assim, o SPA-LDA obteve um índice de acerto de 84%
(seis erros de classificação) para o conjunto de teste.
96