#este script faz a seleção de variáveis usando janelas móveis e contínuas de diferentes tamanhos
#Junho 2012

#abre o pacote para a funçao lda.loofun, que retorna um valor da eficiência de um cross-validation
library(ChemometricsWithR)

#cria objeto onde serão salvos as variaveis selecionadas
var.selected = NULL

#para cada conjunto de dados
for (i in 2:length(dados)) {
	dd = dados[[i]]
	ddn = names(dados)[i]

	#cria um fator com o nome das especies
	library(stringr)
	rn = rownames(dd)
	rn = str_split(rn,"_")
	rn = as.data.frame(rn)
	rn = as.vector(t(rn)[,1])
	rn = as.factor(rn)

	#testa variables within different regions of different sizes (from 1/3 of the #obs to #obs)	
	res = NULL
	
	#cria um vetor para o tamanho das janelas
	winss = seq(floor(nrow(dd)*0.3),nrow(dd))
	
	#para cada tamanho de janela percorre o spectro 
	for (w in winss) {
		#seleciona um tamanho de janela
		winsize = w
		
		#define o espaço a ser explorado (da primeira posição do espectro até o final)
		for (j in 1:(ncol(dd)-winsize-1)) {
			
			#seleciona as variaveis a serem testadas
			var = seq(j,(j+winsize-1))
			#testa as variaveis usando LDA e cross-validation
			za = lda.loofun(as.matrix(dd), rn,var)
			
			#pega o score da análise para o conjunto de variáveis testadas
			res[j] = za

			#pega o nome das variáveis 
			t1 = colnames(dd)[j] #da primeira variavel
			t2 = colnames(dd)[(j+winsize-1)] #da ultima variavel
			txt = paste(t1,t2,w,sep='-') #junta tudo num unico nome com o tamanho da janela
			
			#salva esse nome como nome do score 
			names(res)[j] = txt
		}
	}

	#salva o resultado para o tipo de dado testado (total, adaxial, abaxial)
	var.selected[[ddn]] = res
}

#elimina objetos desnecessarios
zz = ls()
zz = zz[!zz%in%'dados']
zz = zz[!zz%in%'dados.brutos']
zz = zz[!zz%in%'species']
zz = zz[!zz%in%'var.selected']
rm(list=zz)
rm(zz)

#salva a imagem de trabalho
save.image(file='dadosImportados.Rdata')