El artículo Similarity-Based Forecasting of Local Dengue Outbreaks using Clustering of Hierarchical Cluster se publicó en la IEEE Xplore. Sus autores son: Rubén Andrés Izembrandt Vera y César Augusto Rodas Espínola, estudiantes de Ingeniería en Informática de la FP-UNA, y Diego P. Pinto-Roa y Pastor E. Pérez-Estigarribia, investigadores de la FP-UNA.
Esta investigación presenta un marco de agrupamiento de clústeres para la predicción de la incidencia del dengue utilizando conjuntos de curvas epidémicas. El método se evalúa comparándolo con agrupamientos de un solo nivel y modelos de referencia no agrupados a escalas regional, departamental y nacional, utilizando múltiples modelos de proyección. El enfoque propuesto busca mejorar la predicción de brotes locales mediante la identificación de tendencias históricas compartidas dentro de perfiles epidemiológicos agrupados. En todos los experimentos, el método de agrupamiento de clústeres logró tasas de error competitivas y superó consistentemente tanto al agrupamiento jerárquico como a CART, demostrando un sólido desempeño en la predicción. Estos hallazgos indican que el marco jerárquico mejora la precisión de los pronósticos y respalda la planificación de medidas de mitigación específicas, lo que permite a las autoridades priorizar intervenciones similares en regiones que pertenecen al mismo metagrupo.
Este trabajo se había presentado en la Conferencia Internacional sobre Inteligencia Artificial, Informática, Ciencias de Datos y Aplicaciones (ACDSA), que se llevó a cabo del 5 al 7 de febrero de 2026 en in Boracay, Filipinas.
Acceso al resumen: https://ieeexplore.ieee.org/abstract/document/11467916
Visitas: 16
