2024-03-29T10:02:43Zhttps://riubu.ubu.es/oai/requestoai:riubu.ubu.es:10259/50162022-04-26T11:42:13Zcom_10259_2699col_10259_2723
Estudio de métodos de construcción de ensembles de clasificadores y aplicaciones
Diez Pastor, José Francisco
García Osorio, César
Rodríguez Diez, Juan José
La inteligencia artificial se dedica a la creación de sistemas informáticos con un comportamiento inteligente. Dentro de este área el aprendizaje computacional estudia la creación de sistemas que aprenden por sí mismos.
Un tipo de aprendizaje computacional es el aprendizaje supervisado, en el cual, se le proporcionan al sistema tanto las entradas como la salida esperada y el sistema aprende a partir de estos datos. Un sistema de este tipo se denomina clasificador.
En ocasiones ocurre, que en el conjunto de ejemplos que utiliza el sistema para aprender, el número de ejemplos de un tipo es mucho mayor que el número de ejemplos de otro tipo. Cuando esto ocurre se habla de conjuntos desequilibrados.
La combinación de varios clasificadores es lo que se denomina "ensemble", y a menudo ofrece mejores resultados que cualquiera de los miembros que lo forman. Una de las claves para el buen funcionamiento de los ensembles es la diversidad.
Esta tesis, se centra en el desarrollo de nuevos algoritmos de construcción de ensembles, centrados en técnicas de incremento de la diversidad y en los problemas desequilibrados. Adicionalmente, se aplican estas técnicas a la solución de varias problemas industriales.
2015
info:eu-repo/semantics/doctoralThesis
eng
Ministerio de Economía y Competitividad, proyecto TIN-2011-24046
http://hdl.handle.net/10259/5016
https://riubu.ubu.es/bitstream/10259/5016/1/Diez_Pastor.pdf
176f24207ee709066d915c662f46b8fc
https://riubu.ubu.es/bitstream/10259/5016/5/license.txt
5d013bfa6e473ff0db22cd82a4d71a70
https://riubu.ubu.es/bitstream/10259/5016/6/Diez_Pastor.pdf.txt
cc0b2100ea44feae03c12bfcdbc091d9
Attribution-NonCommercial-NoDerivatives 4.0 International
Minería de datos
Ensembles
Diversidad
GRASP
Random Balance
Data mining
Diversity
Informática
Computer science
10.36443/10259/5016