Título: Um Método de Particionamento Baseado no K-Means para Preditores Probabilísticos Fuzzy
Autores: Teixeira, Marcelo Andrade; Zaverucha, Gerson
Resumo: Nós apresentamos uma modificação do método de particionamento conhecido como K-Means (KM) para determinar regiões fuzzy em Preditores Probabilísticos Fuzzy (PPF’s). PPF’s são modificações de classificadores probabilísticos discretos, como o Naive Bayes Classifier e o Hidden Markov Model, a fim de habilitá-los a prever valores contínuos. Vários PPF’s utilizando esse particionamento baseado no KM são aplicados à tarefa de predição de séries de carga elétrica mensal e comparados com sucesso a dois modelos de filtro de Kalman e dois métodos de predição tradicionais, Box-Jenkins e amortecimento exponencial de Winters. As séries temporais empregadas apresentam um comportamento de mudança abrupta e significativa em seus últimos anos, como quando ocorre um racionamento de energia.
Palavras-chave:
Páginas: 6
Código DOI: 10.21528/CBRN2005-113
Artigo em PDF: CBRN2005_113.pdf
Arquivo BibTex: CBRN2005_113.bib