Tesis doctoral de Inmaculada Mora Jimenez
En esta tesis se proponen y valoran un conjunto de algoritmos de aprendizaje para el diseño de clasificadores locales. Se presenta una nueva variante de los clasificadores k-nn («k-nearest neighbors») que tiene su origen en el clasificador de bayes para mínimo error. La formulación de este nuevo clasificador permite desarrollar algoritmos de aprendizaje que conducen al diseño de clasificadores con prestaciones superiores a las de otros esquemas de estructura similar pero más convencionales. para su uso con el esquema anterior, o incluso con cualquier otro tipo de clasificador máquina, se presentan nuevas técnicas de selección de muestras que hemos denominado técnicas de «relajación de objetivos», y cuyo denominador común es la selección de las muestras próximas a la frontera de clasificación, lo que presenta cierta analogía con las máquinas de vectores soporte (svm). dada la aplicabilidad general de las estrategias propuestas, estudiamos su utilización en un esquema general de clasificación local, las redes neuronales de funciones de base radiales, y demostramos que, aparte de ventaja en prestaciones para arquitecturas comunes, el tamaño de la red construida con nuestra propuesta suele ser inferior al obtenido con la tecnología svm ante tasas de acierto comparables.
Datos académicos de la tesis doctoral «Extensiones de algoritmos locales para clasificacion«
- Título de la tesis: Extensiones de algoritmos locales para clasificacion
- Autor: Inmaculada Mora Jimenez
- Universidad: Carlos III de Madrid
- Fecha de lectura de la tesis: 17/12/2004
Dirección y tribunal
- Director de la tesis
- Aníbal Ramón Figueiras Vidal
- Tribunal
- Presidente del tribunal: Antonio Artes rodriguez
- Antonio José Albiol colomer (vocal)
- pedro Isasi viñuela (vocal)
- Alberto González salvador (vocal)