Validación estadística del algoritmo ACO-RST-FSP y su variante en contexto distribuido

Vista sencilla de ítem
dc.contributor.advisorGómez Díaz, Yudel Rodrigo
dc.contributor.authorPérez Pérez, Dainerys
dc.coverage.spatialSanta Claraen_US
dc.date.accessioned2018-06-18T23:52:58Z
dc.date.available2018-06-18T23:52:58Z
dc.date.issued2010-07-15
dc.description.abstractEl presente trabajo aborda la temática de selección de rasgos. Es el estudio de este trabajo la validación estadística de dos algoritmos, uno en contexto local, ampliamente difundido en esta área del conocimiento, y el otro en contexto distribuido, tema novedoso en la rama de la selección de rasgos. El fundamento del contexto distribuido está basado en la cooperación entre subsistemas que comparten algún tipo de información acerca de los subconjuntos de datos sobre los que operan, para llegar a un mejor resultado, al algoritmo se le especifica el parámetros de nivel de intercambios de información entre los subconjuntos de datos para cooperar entre ellos. Tanto en el caso del primer algoritmo como en el segundo, se efectúa un estudio estadístico para determinar los parámetros que brinden mejor resultado, además se establece una comparación entre estos dos algoritmos para arribar a conclusiones sobre su optimalidad dependiendo de los parámetros que se varíen, además de su aplicación o no a determinados problemas, dependiendo de las características de sus datos. En este proceso utilizamos las pruebas no paramétricas, por la naturaleza del problema, en especial el test de Friedman cuando se está trabajando con k muestras dependientes, con ayuda del test de Holm para las comparaciones entre muestras. Se realiza una comparación entre los dos algoritmos, con los mejores parámetros resultantes de la validación estadística, aplicados a problemas de la vida real; específicamente al problema de predicciones meteorológicas y al de predicciones de infartos cardiacos.en_US
dc.description.abstractThis work deals with feature selection problem. Two algorithms have been statistically proved. The first one solving the feature selection problem in traditional way, the second one is the same but running in a distributed environment, which is novelty in this field. The foundation of distributed environment is the collaboration in between across subsystems based on some kind of metadata interchange. The later algorithm is sensitive to the number of interchanges, and it that is studied as a parameter. The role of its associated parameters for both algorithms is also studied. A comparison between original and distributed variant of the algorithm in terms of quality of results is done. Nonparametric test were used for statistical analysis. Friedman test was used for k related samples and also Holms test was useful helping to take decisions. The algorithms are applied to two real world problems: Weather forecasting and Heart attack prediction. Using the best set of parameters the results are prominent.en_US
dc.description.sponsorshipFacultad de Matemática, Física y Computación. Departamento de Ciencias de la Computaciónen_US
dc.description.statusnon-publisheden_US
dc.identifier.urihttps://dspace.uclv.edu.cu/handle/123456789/9553
dc.language.isoesen_US
dc.publisherUniversidad Central “Marta Abreu” de Las Villasen_US
dc.rightsEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas. Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: Creative Commons: Atribución-No Comercial-Compartir Igual 4.0 Licenseen_US
dc.subjectMinería de Datosen_US
dc.subjectSelección de Rasgosen_US
dc.subjectAlgoritmosen_US
dc.subjectValidación Estadísticaen_US
dc.subjectContexto Distribuidoen_US
dc.subjectOptimalidaden_US
dc.subjectPruebas no Paramétricasen_US
dc.subjectPronóstico Climáticoen_US
dc.subjectCardiopatíasen_US
dc.subjectInteligencia Artificialen_US
dc.subject.otherMinería de Datosen_US
dc.subject.otherSelección de Rasgosen_US
dc.subject.otherAlgoritmosen_US
dc.subject.otherAprendizaje Automatizadoen_US
dc.subject.otherAnálisis Comparativoen_US
dc.subject.otherEstadísticaen_US
dc.subject.otherEvaluaciónen_US
dc.subject.otherClimatologíaen_US
dc.subject.otherCardiologíaen_US
dc.subject.otherInteligencia Artificialen_US
dc.titleValidación estadística del algoritmo ACO-RST-FSP y su variante en contexto distribuidoen_US
dc.typeThesisen_US
dc.type.thesisbacheloren_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Tesis-DainerysPerezPerez 2010 .pdf
Tamaño:
507.31 KB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
3.33 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Tesis de Pregrado - Licenciatura en Ciencias de la Computación