Morell Pérez, CarlosNguyen Cong, Bac2015-07-062015-07-062014-06-25https://dspace.uclv.edu.cu/handle/123456789/1482En el trabajo se estudia el problema de clasificación basada en instancias usando el paradigma de aprendizaje de la función de distancia de Mahalanobis. Se propone un método para construir la función de distancia a partir de restricciones apareadas locales. Los resultados experimentales muestran que el método propuesto para construir la función de distancia logra un buen resultado en el algoritmo de los K vecinos más cercanos. Se plantean cuestiones importantes en la escalabilidad y el grado requerido de supervisión de métodos existente de aprendizaje de distancia de Mahalanobis. Se realizó la incorporación del método de aprendizaje de distancia a la plataforma WEKA. También se incorporó una adaptación del algoritmo de los K vecinos más cercanos para dar solución a problemas de clasificación usando distancia de Mahalanobis. La incorporación de este método de aprendizaje de distancia es de vital importancia para los investigadores del campo del Aprendizaje Automático al contar con nuevos métodos para dar solución a problemas de clasificación.In this work the classification problem based on instances using the distance metric learning paradigm is studied. A method for building the distance metric starting from matched up local restrictions is proposed. The experimental results show that with the method proposed the building of distance metric achieves a good result in the algorithm of k nearest neighbours. We raise important issues on scalability and the required degree of supervision of existing distance metric learning methods. The method of distance metric learning was incorporated to the platform WEKA. Furthermore an adaptation of the algorithm of k nearest neighbours was incorporated to give solution to classification problems using Mahalanobis distance. The incorporation of this method of distance metric learning has a high importance for the researches on the field of machine learning because this provides new methods to give solution to classification problems.esEste documento es Propiedad Patrimonial de la Universidad Central ¨Marta Abreu¨ de Las Villas. El autor o autores conservan los derechos morales que como tal le son reconocidos por la Legislación vigente sobre Derecho de Autor. Los distintos Usuarios podrán copiar, distribuir, comunicar públicamente la obra y hacer obras derivadas; bajo las condiciones siguientes: 1. Reconocer y citar al autor original 2. No utilizar la obra con fines comerciales 3. No realizar modificación alguna a la obra 4. Compartir aquellos productos resultado del uso de la obra bajo la misma licencia de esta. Los Usuarios pueden reutilizar los metadatos en cualquier medio sin autorización previa, siempre que los propósitos de su utilización sean sin ánimo de lucro y se provea el Identificador OAI, un enlace al registro de metadatos original, o se haga referencia al repositorio de donde han sido extraídos.Aprendizaje AutomáticoAnálisis de DatosProblemas de ClasificaciónInteligencia ArtificialWEKAInferencia EstadísticaThesis