Clasificación basada en la estimación de Parzen en espacios generalizados de disimilitudes

Generalmente, en reconocimiento automático de patrones, un objeto está representado por sus características a través de un vector de m componentes, es decir perteneciente al espacio m-dimensional. El estudio sobre el espacio de características es la forma usual de trabajo en clasificación. Los objetivos de esta tesis incluyen examinar y estudiar una representación alternativa de los objetos, basada en medidas de disimilitud que, en este caso, no serán determinadas de la forma usual, la cual consiste en hallar la distancia entre los objetos en el espacio de disimilitudes, sino en hallar la distancia de objetos a líneas de características [21]. Siendo el concepto de línea de características él que permite realizar una generalización del espacio de disimilitudes, obteniendo de esta manera el denominado espacio generalizado de disimilitudes. Se pretende mostrar qué propiedades tiene el espacio generalizado de disimilitudes y como objetivo principalmente, si en él es posible estimar densidades de probabilidad y hacer uso de ellas para la clasificación de patrones. Tal estimación se basa en la estimación de densidades de probabilidad de Parzen, la cual se encuentra definida sobre el espacio de características; por consiguiente, modificando la estructura de este método, en particular sobre el algoritmo de la estimación de Parzen y adaptándolo para el espacio generalizado de disimilitudes, se pretende implementar el clasificador correspondientes a las modificaciones y adaptaciones del estimador de Parzen. Con el algoritmo modificado, la implementación del clasificador permitirá mostrar la eficiencia o ineficiencia de este método de clasificación sobre el espacio generalizado de disimilitudes, para lo cual se requiere de la adquisición de bases de datos -artificiales, obtenidas haciendo uso de sistemas de sensores o que ya estén dadas-, la medición del desempeño obtenido por este nuevo clasificador y la comparación con los resultados de clasificadores ya establecidos mediante el uso de diferentes métodos de validación. Es importante notar la importancia de la noción de línea de característica y tener presente el algoritmo de estimación de probabilidad de Parzen para espacios de características el cual ya se encuentra establecido

• Autores: Trujillo Pulgarín, Carlos Alberto
• Fecha de publicación: 2012
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/11694
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/11694; http://bdigital.unal.edu.co/9186/
• Palabra clave: 0 Generalidades / Computer science, information and general works; 51 Matemáticas / Mathematics; 62 Ingeniería y operaciones afines / Engineering; Espacio generalizado de disimilitudes; espacio de características; espacio de disimilitudes; línea de características; representación de disimilitudes; representación generalizada de disimilitudes; estimación de densidades de probabilidad de Parzen; estimación del parámetro de suavizado; inmersiones; reconocimiento de patrones // Generalized dissimilarity space; feature space; dissimilarity space; feature line; dissimilarity representation; generalized dissimilarity representation; Parzen probability estimation; smoothing parameter estimation; embedding; pattern recognition
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional