Novel feature selection method based on stochastic methods coupled to support vector machines using H- NMR data (data of olive and hazelnut oils)
Uno de los principales inconvenientes que se presentan en el anl̀isis y procesamiento de la informacin̤, es que en la representacin̤ de la informacin̤ normalmente se encuentra un alto nm͠ero de muestras, cada una de ellas con cientos de variables, en muchos casos con informacin̤ irrelevante y ruidos...
-д хадгалсан:
| Бусад зохиолчид: | , , , |
|---|---|
| Формат: | Ном |
| Хэл сонгох: | англи |
| Нөхцлүүд: | |
| Онлайн хандалт: | Novel feature selection method based on stochastic methods coupled to support vector machines using H- NMR data (data of olive and hazelnut oils) |
| Шошгууд: |
Шошго нэмэх
Шошго байхгүй, Энэхүү баримтыг шошголох эхний хүн болох!
|
| Тойм: | Uno de los principales inconvenientes que se presentan en el anl̀isis y procesamiento de la informacin̤, es que en la representacin̤ de la informacin̤ normalmente se encuentra un alto nm͠ero de muestras, cada una de ellas con cientos de variables, en muchos casos con informacin̤ irrelevante y ruidosa. Por lo que se hace necesario reducir la cantidad de variables. En este artc̕ulo se describe una novedosa tčnica de seleccin̤ de variables, inspirada en mťodos estocs̀ticos y diseądos para trabajar con mq̀uinas de soporte vectorial (SVM). Los resultados son demostrados usando un conjunto de datos de aplicaciones alimentarias, especf̕icamente, en la deteccin̤ de la adulteracin̤ del aceite de oliva (ms̀ costosa) con aceite de avellana (barata). Para el anl̀isis de las muestras se us ̤ la tčnica de espectroscopia RMN-1H (Resonancia magnťica nuclear de protones). Los resultados demostraron que es posible reducir el nm͠ero de variables sin afectar los resultados de clasificacin̤. |
|---|---|
| ISBN: | 0120-100X (versin̤ impresa) ; 2145-8480 (versin̤ online) |