@INPROCEEDINGS{maci2011,
        author = {Sorol, Natalia and Gotay, Jorge and Bustos, Jorge and Will, Adrian},
         title = {Selección De Muestras Relevantes En Espectroscopía Nir Para Análisis De Caña De Azúcar},
     booktitle = {3er Congreso de Matemática Aplicada, Computacional e Industrial MACI},
          year = {2011},
     publisher = {Asociación Argentina de Matemática Aplicada, Computacional e Industrial (ASAMACI)},
      location = {Bahia Blanca, Argentina},
  organization = {Society for Industrial and Applied Mathematics (SIAM)},
      abstract = {El análisis de muestra de jugo de caña de azúcar por espectroscopía NIR es una técnica importante por su rapidez, economía, y bajo impacto ambiental: Las pruebas tradicionales de laboratorio consumen tiempo, reactivos, y en particular emplean plomo como parte del proceso. La espectroscopía NIR es una metodología ampliamente difundida en otros países del mundo debido a estas ventajas, por lo que la EEAOC decidió implementarla e impulsar su uso en la industria local.
Este análisis se realiza a partir de una base de referencia de espectros medidos. La EEAOC dispone en la actualidad de una base de datos de 8500 muestras, y se agregan anualmente unas 1000, con características que en principio difieren año a año, ya que la calidad, composición y características del jugo de caña de azúcar dependen de varios factores. Esta base está resultando inmanejable para los equipos y software disponibles.
Se plantea el problema de desarrollar un método de clustering que permita seleccionar y controlar las muestras relevantes de la base de datos, manteniendo la calidad de los resultados que se obtienen con el equipo y mejorando la velocidad de procesamiento del mismo. Se resolvió el problema utilzando SVD y k-means++, sobre la base de 1970 muestras, con resultados satisfactorios.}
}