Métodos de aprendizaje basados en prototipos usando la teoría de los conjuntos aproximados extendida

Vista sencilla de ítem
dc.contributor.advisorFiliberto Cabrera, Yaima
dc.contributor.advisorBello Pérez, Rafael Esteban
dc.contributor.authorFrias Dominguez, Mabel
dc.coverage.spatialSanta Claraen_US
dc.date.accessioned2018-03-13T17:06:02Z
dc.date.available2018-03-13T17:06:02Z
dc.date.issued2015-07-05
dc.description.abstractEn la clasificación supervisada, la reducción de datos es una tarea importante, especialmente para clasificadores basados en instancias porque a través de ella los tiempos de ejecución se pueden reducir y obtener igual o mejor exactitud en la clasificación. En este trabajo se proponen dos métodos de reducción de datos, un método basado en generación de prototipos y otro basado en selección de prototipos. Ambas propuestas son evaluadas usando varios conjuntos de datos y se comprueba usando técnicas estadísticas, que estos nuevos métodos obtienen una exactitud en la clasificación que supera la alcanzada con métodos clásicos y al mismo tiempo obtienen muy buenas tasas de reducción. Los resultados obtenidos con ambos métodos muestran que la combinación de la teoría de los conjuntos aproximados extendida con la metaheurística PSO aplicada en tareas de reducción de datos puede ser una excelente opción para obtener mejores resultados en la clasificación.en_US
dc.description.abstractIn the supervised classification, the reduction of data is an important task, especially for classifiers based on instances because through it the times of execution can decrease and obtain the same or better precision in the classification. In this work, two new methods for solving classification problems based on prototypes is proposed and their performance is evaluated using several datasets. The new methods preserve a classification accuracy that is competitive with that of classical methods but, at the same time, yields very well data reduction rates. The results obtained with both methods show that the combination of the Rough Set Theory extended with the metheuristic PSO applied in tasks of reduction data can be an excellent option to obtain better results in the classification problems.en_US
dc.description.sponsorshipFacultad de Matemática, Física y Computación. Departamento Ciencias de la Computaciónen_US
dc.description.statusnon-publisheden_US
dc.identifier.urihttps://dspace.uclv.edu.cu/handle/123456789/8899
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.subjectMétodos de Aprendizajeen_US
dc.subjectPrototiposen_US
dc.subjectTeoría de los Conjuntos Aproximadosen_US
dc.subjectClasificación Supervisadaen_US
dc.subjectReducción de Datosen_US
dc.subjectClasificadoresen_US
dc.subjectTécnicas Estadísticasen_US
dc.subjectInteligencia Artificialen_US
dc.subject.otherAprendizaje Automáticoen_US
dc.subject.otherBases de Datosen_US
dc.subject.otherEstadísticaen_US
dc.subject.otherInteligencia Artificialen_US
dc.titleMétodos de aprendizaje basados en prototipos usando la teoría de los conjuntos aproximados extendidaen_US
dc.typeThesisen_US
dc.type.thesismasteren_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Tesis Maestria Mabel Frias Dominguez 1.pdf
Tamaño:
1 MB
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 Maestría - Ciencias de la Computación