RT info:eu-repo/semantics/doctoralThesis
T1 Combinación de clasificadores: construcción de características e incremento de la diversidad
A1 Maudes Raedo, Jesús M.
A2 Universidad de Burgos. Departamento de Ingeniería Civil
K1 Mineria de Datos
K1 Aprendizaje Automático
K1 Multiclasificadores
K1 Diversidad
K1 Construcción de Características
K1 Data Mining
K1 Machine Learning
K1 Ensembles
K1 Diversity
K1 Feature Construction
K1 Informática
K1 Computer science
K1 1203.04 Inteligencia Artificial
K1 1209.03 Análisis de Datos
K1 1203.12 Bancos de Datos
AB 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
YR 2010
FD 2010
LK http://hdl.handle.net/10259/146
UL http://hdl.handle.net/10259/146
LA spa
DS Repositorio Institucional de la Universidad de Burgos
RD 24-abr-2024