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

Capítulo VII. Conclusões
7.0 CONCLUSÕES
Nesta tese, foi apresentada uma proposta para uso do SPA em problemas
de classificação. Para essa finalidade, uma nova função de custo associada ao risco
de classificação incorreta pela LDA foi concebida para guiar a escolha de variáveis.
O SPA-LDA foi validado em quatro problemas de classificação envolvendo
três diferentes técnicas analíticas (espectrometria UV-VIS, NIR e LIBS).
O SPA-LDA se mostrou eficiente na seleção de subconjuntos
representativos de variáveis e com um desempenho de classificação superior ao
SIMCA, método bem estabelecido na literatura e apropriado para trabalhar com
dados de alta dimensão.
A metodologia proposta apresentou um desempenho de classificação
superior ou similar ao GA-LDA. Todavia, o SPA-LDA foi mais parcimonioso,
selecionando sempre um número menor de variáveis.
Nos três primeiros problemas de classificação apresentados, foi realizado
um estudo de sensibilidade e robustez dos modelos com respeito à adição de ruído
extra aos espectros do conjunto de teste. O SPA-LDA foi menos sensível que o GA-
LDA e o SIMCA em relação à presença do ruído. Naturalmente isso ocorreu porque,
diferentemente do GA, as variáveis selecionadas pelo SPA localizavam-se em
regiões mais informativas e com alta relação sinal/ruído.
No último problema de classificação, o SPA-LDA foi também comparado
com o SW-LDA. O mesmo número de erros para um conjunto de teste foi obtido
pelas duas estratégias. Entretanto, o SW-LDA apresenta a desvantagem de ter
necessariamente que testar diferentes valores de limiar para encontrar o conjunto de
variáveis apropriado.
Um procedimento de compressão wavelet foi também avaliado no último
estudo de caso. Como o conjunto de dados apresentava alta dimensionalidade, o
tempo computacional gasto para construir os modelos de classificação foi elevado.
Com o procedimento de compressão, foi possível reduzir o número de variáveis de
26624 comprimentos de onda para 660 coeficientes wavelet. Conseqüentemente, o
tempo de execução do cálculo foi drasticamente reduzido, sem comprometer o
desempenho de classificação dos modelos.
Enfim, este trabalho mostrou que o SPA-LDA pode ser uma alternativa
vantajosa para seleção de variáveis espectrais em problemas analíticos de
classificação.
98