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 I. Introdução<br />
comprimentos <strong>de</strong> onda, com apenas um único espectro. Conseqüentemente, o uso<br />
<strong>de</strong> técnicas <strong>de</strong> RP tornou-se uma ferramenta indispensável na i<strong>de</strong>ntificação,<br />
caracterização e avaliação <strong>de</strong> diferenças e similarida<strong>de</strong>s entre grupos <strong>de</strong> amostras<br />
e/ou variáveis em diferentes conjuntos <strong>de</strong> dados, sobretudo os espectrométricos [3,4] .<br />
A Figura 1.1 é apresentada com o propósito <strong>de</strong> facilitar o entendimento da<br />
manipulação dos dados provenientes <strong>de</strong> medi<strong>das</strong> espectrométricas.<br />
Figura 1.1. Disposição da matriz <strong>de</strong> dados espectrométricos.<br />
A matriz <strong>de</strong> dados é organizada colocando-se, nas colunas, as variáveis que<br />
correspon<strong>de</strong>m aos valores <strong>de</strong> absorbância <strong>de</strong> p comprimentos <strong>de</strong> onda. Neste<br />
exemplo, o espectro <strong>de</strong> absorção na região do infravermelho próximo (NIR: Near<br />
Infrared) foi registrado na faixa <strong>de</strong> 1100 a 2500 nm, com resolução <strong>de</strong> 2 nm. Então,<br />
para a aplicação <strong>das</strong> técnicas <strong>de</strong> reconhecimento <strong>de</strong> padrões, a matriz X terá 701<br />
colunas correspon<strong>de</strong>ntes aos 701 comprimentos <strong>de</strong> onda (λ) e o número <strong>de</strong> linhas<br />
equivalente ao número <strong>de</strong> amostras (espectros) analisa<strong>das</strong>.<br />
As técnicas <strong>de</strong> RP po<strong>de</strong>m ser dividi<strong>das</strong> em não-supervisiona<strong>das</strong> e<br />
supervisiona<strong>das</strong> [3-5] . As características <strong>de</strong> ambas, bem como suas aplicações frente<br />
aos diferentes métodos serão mostra<strong>das</strong> nas próximas seções.<br />
1.2.1. Técnicas <strong>de</strong> reconhecimento <strong>de</strong> padrões não-supervisiona<strong>das</strong><br />
As técnicas <strong>de</strong> RP não-supervisiona<strong>das</strong> avaliam a existência <strong>de</strong><br />
agrupamentos sem utilizar o conhecimento prévio dos membros <strong>das</strong> classes, ou<br />
4