Bernal de Lázaro, J. M., Rodríguez Ramos, A., Cruz Corona, C., Silva Neto, A. J. e Llanes-Santiago, O., Optimal Kernel Parameter Setting for Faults Detection with Stochastic Methods and Data Preprocessing, Revista CEREUS, Vol. 11, No. 1, pp. 195-209, 2019
Neste artigo, um critério de otimização indireta para configuração de parâmetros do processo de detecção de falhas baseado em kernel é aplicado. O procedimento analisado envolve o pré-processamento dos dados através do método Kernel Independent Component Analysis (KICA) e a detecção de falhas por meio de um classificador baseado no algoritmo Kernel Fuzzy C-means (KFCM) para reduzir os erros de classificação. O objetivo principal do trabalho é o ajuste dos parâmetros do kernel para obter o melhor desempenho possível na detecção de falhas. Para isso, dois algoritmos metaheurísticos diferentes são usados: Evolução Diferencial e Otimização de Enxame de Partículas. A abordagem proposta foi avaliada usando o processo de benchmark Tennessee Eastman. (TE).
DOI: https://doi.org/10.18605/2175-7275/cereus.v11n1p195-209