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 III. Classificação <strong>de</strong> óleos vegetais<br />
3.3.3. Procedimento analítico<br />
Antes do registro dos espectros, as amostras foram diluí<strong>das</strong> com álcool n-<br />
butílico (99 % m/m) na proporção <strong>de</strong> 1:300 (v/v).<br />
Inicialmente, o álcool n-butílico foi aspirado com o auxilio da bomba<br />
peristáltica e o espectro do branco foi obtido. Posteriormente, cada amostra <strong>de</strong> óleo<br />
diluída foi aspirada e o espectro foi registrado na região <strong>de</strong> 220 nm a 400 nm, com 1<br />
nm <strong>de</strong> resolução. Cada espectro resultante apresentou 181 pontos (variáveis).<br />
3.3.4. Tratamento dos dados e softwares<br />
Antes da construção dos mo<strong>de</strong>los, os dados foram divididos em três<br />
subconjuntos (treinamento, validação e teste) com o uso do algoritmo Kennard-<br />
Stone (KS) [95] . Nesse algoritmo, as distâncias euclidianas entre os vetores <strong>das</strong><br />
respostas instrumentais (x) <strong>das</strong> amostras seleciona<strong>das</strong> são maximiza<strong>das</strong>.<br />
<strong>Para</strong> uma melhor compreensão da forma como o algoritmo KS executa a<br />
busca por amostras mais representativas para o conjunto <strong>de</strong> treinamento, uma<br />
representação gráfica simplificada po<strong>de</strong> ser encontrada na figura abaixo. Os<br />
<strong>de</strong>talhes <strong>de</strong> cada passo são apresentados em seguida.<br />
Figura 3.2. Representação gráfica do mecanismo <strong>de</strong> busca do algoritmo KS com três amostras<br />
seleciona<strong>das</strong>.<br />
39