Identifying irregularity electricity usage of customer behaviors using logistic regression and linear discriminant analysis

Lawi, Armin; Wungo, Supriyadi La; Manjang, Salama

doi:10.1109/icsitech.2017.8257174

Cited by 13 publications

(8 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Examples of implementations of usual supervised methods include the application of support vector machines to identify customer's abnormal consumption behavior based on previous energy usage data [Nagi et al 2010, Alfarra et al 2018. Other case studies of well-established machine learning methods focused on fraud detec-tion in electricity consumption are the use of decision trees [Monedero et al 2012, Cody et al 2015b, logistic regression, linear discriminant analysis ( [Lawi et al 2017]) and time series [Nogales et al 2002]. Additionally, recent studies have provided new insights with the use of more complex machine learning models, such as Neural Networks [Nizar et al 2008, Monedero et al 2006, Costa et al 2013 and rough set theory [Spiri et al 2014].…”

Section: Related Workmentioning

confidence: 99%

Sistema De Localização Híbrido Baseado Em Nuvem Para Ambientes Internos E Externos

Mendes¹

2020

Tecnologias, Métodos E Teorias Na Engenharia De Computação

View full text Add to dashboard Cite

Direitos para esta edição cedidos à Atena Editora pelos autores. Todo o conteúdo deste livro está licenciado sob uma Licença de Atribuição Creative Commons. Atribuição 4.0 Internacional (CC BY 4.0). O conteúdo dos artigos e seus dados em sua forma, correção e confiabilidade são de responsabilidade exclusiva dos autores, inclusive não representam necessariamente a posição oficial da Atena Editora. Permitido o download da obra e o compartilhamento desde que sejam atribuídos créditos aos autores, mas sem a possibilidade de alterá-la de nenhuma forma ou utilizá-la para fins comerciais. A Atena Editora não se responsabiliza por eventuais mudanças ocorridas nos endereços convencionais ou eletrônicos citados nesta obra. Todos os manuscritos foram previamente submetidos à avaliação cega pelos pares, membros do Conselho Editorial desta Editora, tendo sido aprovados para a publicação.

show abstract

Section: Related Workmentioning

confidence: 99%

Sistema De Localização Híbrido Baseado Em Nuvem Para Ambientes Internos E Externos

Mendes¹

2020

Tecnologias, Métodos E Teorias Na Engenharia De Computação

View full text Add to dashboard Cite

show abstract

“…Examples of implementations of usual supervised methods include the application of support vector machines to identify customer's abnormal consumption behavior based on previous energy usage data [Nagi et al 2010, Alfarra et al 2018. Other case studies of well-established machine learning methods focused on fraud detec-tion in electricity consumption are the use of decision trees [Monedero et al 2012, Cody et al 2015b], logistic regression, linear discriminant analysis ( [Lawi et al 2017]) and time series [Nogales et al 2002]. Additionally, recent studies have provided new insights with the use of more complex machine learning models, such as Neural Networks [Nizar et al 2008, Monedero et al 2006, Costa et al 2013] and rough set theory [Spiri et al 2014].…”

Section: Related Workmentioning

confidence: 99%

O Uso Do Controlador Lógico Programável (Clp)

Nascimento¹

2020

Tecnologias, Métodos E Teorias Na Engenharia De Computação

View full text Add to dashboard Cite

Direitos para esta edição cedidos à Atena Editora pelos autores.Todo o conteúdo deste livro está licenciado sob uma Licença de Atribuição Creative Commons. Atribuição 4.0 Internacional (CC BY 4.0). O conteúdo dos artigos e seus dados em sua forma, correção e confiabilidade são de responsabilidade exclusiva dos autores, inclusive não representam necessariamente a posição oficial da Atena Editora. Permitido o download da obra e o compartilhamento desde que sejam atribuídos créditos aos autores, mas sem a possibilidade de alterá-la de nenhuma forma ou utilizá-la para fins comerciais.A Atena Editora não se responsabiliza por eventuais mudanças ocorridas nos endereços convencionais ou eletrônicos citados nesta obra.Todos os manuscritos foram previamente submetidos à avaliação cega pelos pares, membros do Conselho Editorial desta Editora, tendo sido aprovados para a publicação.

show abstract

“…Examples of implementations of usual supervised methods include the application of support vector machines to identify customer's abnormal consumption behavior based on previous energy usage data [Nagi et al 2010, Alfarra et al 2018. Other case studies of well-established machine learning methods focused on fraud detection in electricity consumption are the use of decision trees [Monedero et al 2012, Cody et al 2015b, logistic regression, linear discriminant analysis ( [Lawi et al 2017]) and time series [Nogales et al 2002]. Additionally, recent studies have provided new insights with the use of more complex machine learning models, such as Neural Networks [Nizar et al 2008, Monedero et al 2006, Costa et al 2013 and rough set theory [Spiri et al 2014].…”

Section: Related Workmentioning

confidence: 99%

Employing Gradient Boosting and Anomaly Detection for Prediction of Frauds in Energy Consumption

Albiero¹,

Santos²,

Uyrá³

et al. 2019

Anais Do XVI Encontro Nacional De Inteligência Artificial E Computacional (ENIAC 2019)

View full text Add to dashboard Cite

show abstract

Identifying irregularity electricity usage of customer behaviors using logistic regression and linear discriminant analysis

Cited by 13 publications

References 13 publications

Sistema De Localização Híbrido Baseado Em Nuvem Para Ambientes Internos E Externos

Sistema De Localização Híbrido Baseado Em Nuvem Para Ambientes Internos E Externos

O Uso Do Controlador Lógico Programável (Clp)

Employing Gradient Boosting and Anomaly Detection for Prediction of Frauds in Energy Consumption

Contact Info

Product

Resources

About