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 II. Fundamentação Teórica<br />
SNV<br />
A<br />
=<br />
p<br />
∑<br />
i=<br />
1<br />
p<br />
∑<br />
i=<br />
1<br />
( x<br />
i<br />
( x<br />
i<br />
− x)<br />
− x)<br />
p −1<br />
2<br />
(2.1)<br />
on<strong>de</strong>: SNV A são as variações normais padrão <strong>de</strong> p comprimentos <strong>de</strong> onda para uma<br />
amostra A; x : valor do sinal analítico em i comprimento <strong>de</strong> onda da amostra A e x<br />
é a média dos valores <strong>de</strong> p comprimentos <strong>de</strong> onda da amostra A, calculado<br />
conforme a Equação 2.2.<br />
x<br />
p<br />
∑<br />
xi<br />
i = 1<br />
=<br />
p<br />
(2.2)<br />
Outro pré-processamento muito utilizado no domínio <strong>das</strong> amostras é a<br />
1ª <strong>de</strong>rivada, cuja finalida<strong>de</strong> é corrigir problemas relacionados com a variação da<br />
linha <strong>de</strong> base, além <strong>de</strong> possibilitar uma melhor visualização <strong>de</strong> picos existentes nos<br />
sinais originais. Entretanto, aplicar tal pré-procesamento em espectros com baixa<br />
relação sinal/ruído po<strong>de</strong>, em alguns casos, não ser uma boa alternativa, uma vez<br />
que os efeitos do ruído no conjunto <strong>de</strong> dados ten<strong>de</strong>m a aumentar.<br />
Várias técnicas po<strong>de</strong>m ser utiliza<strong>das</strong> para a filtragem <strong>de</strong> ruído aleatório e<br />
aumento da relação sinal/ruído [16, 77-78] . Entre elas, <strong>de</strong>staca-se pela sua simplicida<strong>de</strong><br />
e eficiência, a suavização pelo método <strong>de</strong> Savitzky-Golay [16] que ajusta um polinômio<br />
<strong>de</strong> baixa or<strong>de</strong>m aos pontos <strong>de</strong> uma janela pelos mínimos quadrados. A escolha do<br />
número <strong>de</strong> pontos utilizado na janela é <strong>de</strong> suma importância, pois um número<br />
elevado po<strong>de</strong> acarretar perda <strong>de</strong> informações e um número reduzido, a permanência<br />
<strong>de</strong> ruído. Uma vez estabelecidos os pré-tratamentos mais a<strong>de</strong>quados para um<br />
<strong>de</strong>terminado conjunto <strong>de</strong> dados, técnicas <strong>de</strong> RP po<strong>de</strong>rão ser então aplica<strong>das</strong>.<br />
2.2. PCA<br />
Os algoritmos dos mínimos quadrados parciais iterativos não-lineares<br />
(NIPALS: Nonlinear Iterative Partial Least Squares) e a <strong>de</strong>composição por valores<br />
singulares (SVD: Singular Value Decomposition) têm sido freqüentemente utilizados<br />
para o cálculo da PCA [79] .<br />
18