Aprendizaje supervisado para la discriminación y clasificación difusa

En este artículo se presenta un nuevo método de análisis discriminante difuso, que hace uso de la estrategia de aprendizaje supervisado y utiliza la distancia euclidiana como medida de similitud. Las fórmulas que se proponen permiten resolver problemas de discriminación y clasificación de objetos en categorías que no pueden ser definidas con precisión pues tienen algún grado de solapamiento. Se utiliza una base de datos de referencia ampliamente utilizada en Reconocimiento de Patrones para ilustrar el método propuesto. También se presentan gráficamente las superficies de las funciones de pertenencia a las categorías difusas para varios ejemplos con el objeto de ilustrar la técnica. Adicionalmente, se compara el método propuesto con el discriminante lineal de Fisher para mostrar que, la curva de nivel con grado de pertenencia 0.5 coincide con el discriminante lineal de Fisher cuando en el análisis se consideran dos categorías.

• Autores: Soto Jaramillo, Carlos Mario; Jiménez Ramírez, Claudia
• Tipo de recurso: Article of journal
• Fecha de publicación: 2011
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/32551
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/32551; http://bdigital.unal.edu.co/22631/
• Palabra clave: Discriminación y Clasificación Difusa; Análisis Discriminante Difuso; Aprendizaje Supervisado; Lógica Difusa; Minería de Datos
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional