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

Resumo
Neste trabalho, o Algoritmo das Projeções Sucessivas (SPA: Successive Projections
Algorithm), originalmente proposto para seleção de variáveis espectrais em modelos
de Regressão Linear Múltipla (MLR: Multiple Linear Regression), é adaptado para o
contexto de classificação. Para este propósito, uma nova função de custo associada
ao risco médio de classificação incorreta pela Análise Discriminante Linear (LDA:
Linear Discriminante Analysis) é concebida para guiar a seleção do SPA. O método
proposto é ilustrado em quatro problemas de classificação. No primeiro exemplo, a
espectrometria UV-VIS é adotada para classificar quatro tipos de óleos vegetais
comestíveis (milho, soja, canola e girassol). No segundo caso, a espectrometria NIR
é usada para discriminar amostras de diesel com respeito ao teor de enxofre (baixo
ou alto). Nessas duas primeiras aplicações, o SPA é comparado com a Modelagem
Independente e Flexível por Analogia de Classe (SIMCA: Soft Independent Modeling
of Class Analogy) e com o Algoritmo Genético (GA: Genetic Algorithm) em termos do
número de erros de classificação para o conjunto de amostras que não é usada no
processo de modelagem (amostras de teste). No terceiro problema, a espectrometria
UV-VIS é novamente usada para classificar extratos aquosos de cafés brasileiros
torrados e moídos com respeito ao tipo (cafeinado/descafeinado) e ao estado de
conservação (vencido e não vencido). Nos três primeiros estudos de caso, os
modelos são também comparados em termos de sensibilidade ao ruído instrumental.
Os espectros do conjunto de teste são contaminados com ruído extra e os modelos
previamente obtidos (sem a adição do ruído) são aplicados para a classificação do
novo conjunto de teste. Na última aplicação, o uso da Espectroscopia de Emissão
em Plasma Induzido por Laser (LIBS: Laser-Induced Breakdown Spectroscopy) é
investigado para classificação de solos em três diferentes ordens (Argissolo,
Latossolo e Nitossolo). Para este caso, o SPA é comparado com um método de
seleção de variáveis do tipo Stepwise (SW), bem como GA e SIMCA, em termos do
número de erros para o conjunto de teste. Os resultados mostram que o SPA-LDA é
superior ao SIMCA e comparável ao GA-LDA e SW-LDA com respeito à exatidão na
classificação. Adicionalmente, o SPA-LDA é menos sensível ao ruído instrumental e
mais parcimonioso do que as demais estratégias de classificação avaliadas.
Palavras-chave: SPA, Classificação, LDA, Espectrometria UV-VIS, NIR, LIBS,
Óleos vegetais comestíveis, Diesel, Cafés e Solos Brasileiros.
xviii