Rodríguez-Ramos, A., Silva Neto, A. J. e Llanes Santiago, O., A Proposal of Hybrid Fuzzy Clustering Algorithm with Application in Condition Monitoring of Industrial Processes, Capítulo 1, pp. 3-30, em Uncertainty Management with Fuzzy and Rough Sets – Recent Advances and Applications, (Eds.), ISBN: 978-3-030-10462-7, Editora Springer, 2019
Neste capítulo, um algoritmo híbrido usando técnicas de agrupamento fuzzy é apresentado. O algoritmo é aplicado em um esquema de monitoramento de condição com detecção online de novas falhas e aprendizado automático. A proposta inicialmente identifica os outliers com base na densidade dos dados. Posteriormente, os outliers são removidos e o processo de agrupamento é executado. Para extrair as características importantes e melhorar o agrupamento, o c-médias fuzzy ponderado de máxima entropia regularizada é usado. Em seguida, é realizada a utilização de funções kernel para o agrupamento dos dados, onde existe uma relação não linear entre as variáveis. Assim, a precisão da classificação pode ser melhorada porque é alcançada uma melhor separabilidade de classes. Em seguida, o fator de regulação da fuzziness partição resultante (parâmetro m) e a largura de banda do kernel gaussiano (parâmetro σσ) são otimizados. A viabilidade da proposta é demonstrada usando o benchmark DAMADICS.