Rodríguez Ramos, A., Bernal de Lázaro, J.M., Silva Neto, A.J. e Llanes-Santiago, O., Fault Detection Using Kernel Computational Intelligence Algorithms, Capítulo 14, pp. 263-281, em Computational Intelligence, Optimization and Inverse Problems with Applications in Engineering, (Eds.), ISBN: 978-3-319-96432-4, Editora Springer, 2018
Neste capítulo, um critério de otimização indireta para a configuração de parâmetros do processo de detecção de falhas baseado em kernel é aplicado. Os procedimentos analisados envolvem 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 obter maior separabilidade entre as classes e reduzir os erros de classificação. O objetivo principal deste capítulo é o ajuste dos parâmetros do kernel para obter o melhor desempenho possível na detecção de falhas. Para isso, dois algoritmos metaheurísticos diferentes são comparados: um algoritmo evolutivo (Evolução Diferencial) e um algoritmo baseado em inteligência de grupo (Otimização por Enxame de Partículas).