2024-03-29T08:09:14Zhttps://riubu.ubu.es/oai/requestoai:riubu.ubu.es:10259/1462022-04-26T11:42:12Zcom_10259_2699col_10259_2723
Combinación de clasificadores: construcción de características e incremento de la diversidad
Maudes Raedo, Jesús M.
Rodríguez Diez, Juan José
García Osorio, César
Los multiclasificadores son actualmente un área de interés dentro del Reconocimiento de Patrones. En esta tesis se presentan tres métodos multiclasificadores: "Cascadas para datos nominales", "Disturbing Neighbors" y "Random Feature Weights".
Las Cascadas permiten que clasificadores que necesitan entradas numéricas mejoren sus resultados, tomando como entradas adicionales las estimaciones de probabilidad de otro clasificador que sí pueda trabajar con datos nominales.
"Disturbing Neighbors" aumenta el conjunto de entrenamiento de cada clasificador base a partir de la salida de un clasificador NN. El NN de cada clasificador base es obtenido de forma aleatoria.
Random Feature Weights es un método que utiliza árboles cómo clasificadores base, que modifica la función de mérito de los mismos mediante un peso aleatorio.
Además la tesis aporta nuevos diagramas para la visualización de la diversidad de los clasificadores base: Diagramas de Movimiento Kappa-Error y los Diagramas de Movimiento Relativo Kappa-Error
2010
info:eu-repo/semantics/doctoralThesis
spa
http://hdl.handle.net/10259/146
https://riubu.ubu.es/bitstream/10259/146/1/license.txt
b7c9545269237f745c3ebaa10cdbbf05
https://riubu.ubu.es/bitstream/10259/146/2/Maudes_Raedo.pdf
5468eb4009a5a10555c61ed8c599eeab
https://riubu.ubu.es/bitstream/10259/146/6/Maudes_Raedo.pdf.txt
f46bfb54183a6b66464eea295656398c
Attribution-NonCommercial-NoDerivs 3.0 Unported
Mineria de Datos
Aprendizaje Automático
Multiclasificadores
Diversidad
Construcción de Características
Data Mining
Machine Learning
Ensembles
Diversity
Feature Construction
Informática
Computer science
10.36443/10259/146