@MASTERSTHESIS{ 2025:1401608431,
 	title = {Agrupamento Nebuloso Evolutivo Baseado em Critério Gaussiano Multivariável para Tomada de Decisão em Fluxos de Dados},
 	year = {2025},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/6097",
 	abstract = "Nesta dissertação, é proposto um algoritmo de agrupamento fuzzy em evolução aplicado a fluxos de dados. O algoritmo realiza o agrupamento dos dados usando uma abordagem "do zero", ou seja, determinando suas variáveis ​​completamente a partir dos dados do fluxo, a partir da primeira amostra de dados. Baseia-se no cálculo do potencial dos dados para tomar decisões sobre os centros dos clusters em cada amostra, usando uma função gaussiana multivariável que considera a densidade e a taxa de variação como variáveis ​​de informação. O algoritmo inclui um mecanismo autônomo de normalização de dados para similaridade em escala de acordo com a faixa operacional dinâmica do fluxo de dados e constrói clusters com protótipos variantes no tempo com base em matrizes de covariância fuzzy e uma métrica de distância exponencial. Em seu processo de tomada de decisão, emprega um mecanismo baseado nas sensibilidades dos clusters e raios adaptativos dos clusters. Para atualizar e mesclar clusters, o algoritmo inclui um mecanismo baseado na técnica de cruzamento evolucionário. Os resultados computacionais consideram
 a implementação do algoritmo para agrupamento fuzzy evolutivo de 8 benchmarks de conjuntos de dados
 (S1, A1, R15, Desbalanceado, Gauss 6-dim, Gauss 10-dim, DIM032 e DIM064) amplamente utilizado
 em tarefas de agrupamento de fluxo de dados, bem como para agrupamento fuzzy evolutivo de dados aplicado
 à modelagem online de séries temporais (Função Hipérbole, Mackey-Glass e Nakanishi) e
 à identificação online de sistemas dinâmicos não lineares (SISO e MIMO). Os resultados experimentais
 consideram a implementação do algoritmo para agrupamento fuzzy evolutivo de dados
 aplicado à identificação online de sistemas dinâmicos do mundo real (Usina Térmica, Helicóptero 2DoF e Foguete Fogtrein-I). Nos processos de modelagem de séries temporais online e identificação de sistemas dinâmicos online, o algoritmo é aplicado na fuzificação de dados e na criação/atualização de regras fuzzy evolutivas em um sistema de inferência fuzzy evolutivo. Para a consequente proposição das regras fuzzy evolutivas, o modelo de espaço de estados é adotado, com sua identificação paramétrica realizada utilizando o Algoritmo de Identificação de Filtros/Realização de Autosistemas Recursivos do Observador Fuzzy/Kalman (OKID/ERA). Em geral, os resultados indicam que o algoritmo é adequado para agrupamentos fuzzy evolutivos de fluxos de dados, alcançando desempenho competitivo em comparação com outros algoritmos da literatura.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}