Detalhes bibliográficos
| Ano de defesa: |
2010 |
| Autor(a) principal: |
Ramos, Caio César Oba [UNESP] |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://hdl.handle.net/11449/87199
|
Resumo: |
A detecção de fraudes nos sistemas de energia provocados por consumidores ilegais é o principal alvo em estudos de perdas comerciais pelas empresas de energia. Comumente usadas entre as técnicas de reconhecimento de padrões, as Redes Neurais Artificiais e as Máquinas de Vetores de Suporte têm sido aplicadas para a identificação de fraudes de maneira automática, entretanto essas técnicas sofrem com a demora na convergência e no alto peso computacional. Este trabalho introduziu o classificador Floresta de Caminhos Ótimos para um rápido reconhecimento das perdas comerciais, que tem demonstrado ser superior às demais técnicas inteligentes, como as Redes Neurais e as Máquinas de Vetores de Suporte, sendo muito mais rápido. Neste trabalho, também foram apresentadas comparações entre esses classificadores. |
