Omar J. S.  Santos
Instituto Tecnológico de Aeronáutica (ITA)
Divisão de Engenharia Mecânica-Aeronáutica
São José dos Campos

Armando Z.  Milioni
Instituto Tecnológico de Aeronáutica (ITA)
Divisão de Engenharia Mecânica-Aeronáutica
São José dos Campos

Abstract: In this paper we present a Mixture of Local Experts Model (MLEM) for data classification. The discriminant tools applied are Fisher's Discriminant Analysis, Logistic Regression and a non-parametric model called Extended DEA-DA (Sueyoshi, 2004). Using real data, we compare the results obtained with the MLEM, which requires data clusterization and solution investigation on each cluster, against results obtained with a more orthodox approach, which is classification over the entire data set. The main conclusion is that even though it seems to be a promising technique, the additional effort in building a MLEM does not assure better results.

Resumo: Este artigo tem por objetivo apresentar um modelo de Composição de Especialistas Locais (CEL) como instrumento para classificação de dados. As técnicas discriminantes empregadas são a Análise Discriminante de Fisher, Regressão Logística e Modelos não paramétricos denominados "Extended DEA-DA" (Sueyoshi, 2004). Com base em uma massa de dados real, comparamos os resultados obtidos através da utilização do modelo CEL, que exige a clusterização da massa de dados e a busca da solução em cada cluster obtido, contra os resultados obtidos da maneira ortodoxa, que é a da busca de solução sobre a massa de dados global. A principal conclusão é a de que, embora seja uma técnica promissora, o esforço adicional na obtenção de um modelo CEL não assegura melhores resultados.

Keywords: Mixture of Local Expert Models; Discriminant Analysis; Clustering; Extended DEA-DA