Algoritmo das Projeções Sucessivas Para Seleção de ... - PPGQ
Algoritmo das Projeções Sucessivas Para Seleção de ... - PPGQ
Algoritmo das Projeções Sucessivas Para Seleção de ... - PPGQ
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Capítulo VII. Conclusões<br />
7.0 CONCLUSÕES<br />
Nesta tese, foi apresentada uma proposta para uso do SPA em problemas<br />
<strong>de</strong> classificação. <strong>Para</strong> essa finalida<strong>de</strong>, uma nova função <strong>de</strong> custo associada ao risco<br />
<strong>de</strong> classificação incorreta pela LDA foi concebida para guiar a escolha <strong>de</strong> variáveis.<br />
O SPA-LDA foi validado em quatro problemas <strong>de</strong> classificação envolvendo<br />
três diferentes técnicas analíticas (espectrometria UV-VIS, NIR e LIBS).<br />
O SPA-LDA se mostrou eficiente na seleção <strong>de</strong> subconjuntos<br />
representativos <strong>de</strong> variáveis e com um <strong>de</strong>sempenho <strong>de</strong> classificação superior ao<br />
SIMCA, método bem estabelecido na literatura e apropriado para trabalhar com<br />
dados <strong>de</strong> alta dimensão.<br />
A metodologia proposta apresentou um <strong>de</strong>sempenho <strong>de</strong> classificação<br />
superior ou similar ao GA-LDA. Todavia, o SPA-LDA foi mais parcimonioso,<br />
selecionando sempre um número menor <strong>de</strong> variáveis.<br />
Nos três primeiros problemas <strong>de</strong> classificação apresentados, foi realizado<br />
um estudo <strong>de</strong> sensibilida<strong>de</strong> e robustez dos mo<strong>de</strong>los com respeito à adição <strong>de</strong> ruído<br />
extra aos espectros do conjunto <strong>de</strong> teste. O SPA-LDA foi menos sensível que o GA-<br />
LDA e o SIMCA em relação à presença do ruído. Naturalmente isso ocorreu porque,<br />
diferentemente do GA, as variáveis seleciona<strong>das</strong> pelo SPA localizavam-se em<br />
regiões mais informativas e com alta relação sinal/ruído.<br />
No último problema <strong>de</strong> classificação, o SPA-LDA foi também comparado<br />
com o SW-LDA. O mesmo número <strong>de</strong> erros para um conjunto <strong>de</strong> teste foi obtido<br />
pelas duas estratégias. Entretanto, o SW-LDA apresenta a <strong>de</strong>svantagem <strong>de</strong> ter<br />
necessariamente que testar diferentes valores <strong>de</strong> limiar para encontrar o conjunto <strong>de</strong><br />
variáveis apropriado.<br />
Um procedimento <strong>de</strong> compressão wavelet foi também avaliado no último<br />
estudo <strong>de</strong> caso. Como o conjunto <strong>de</strong> dados apresentava alta dimensionalida<strong>de</strong>, o<br />
tempo computacional gasto para construir os mo<strong>de</strong>los <strong>de</strong> classificação foi elevado.<br />
Com o procedimento <strong>de</strong> compressão, foi possível reduzir o número <strong>de</strong> variáveis <strong>de</strong><br />
26624 comprimentos <strong>de</strong> onda para 660 coeficientes wavelet. Conseqüentemente, o<br />
tempo <strong>de</strong> execução do cálculo foi drasticamente reduzido, sem comprometer o<br />
<strong>de</strong>sempenho <strong>de</strong> classificação dos mo<strong>de</strong>los.<br />
Enfim, este trabalho mostrou que o SPA-LDA po<strong>de</strong> ser uma alternativa<br />
vantajosa para seleção <strong>de</strong> variáveis espectrais em problemas analíticos <strong>de</strong><br />
classificação.<br />
98