Seleccin̤ de caracters̕ticas usando modelo hibrido basado en algoritmos genťicos
En el artc̕ulo se propone un modelo hb̕rido de seleccin̤ de caracters̕ticas con el objeto de reducir la dimensin̤ del espacio de entrenamiento, sin comprometer la precisin̤ de clasificacin̤. El modelo incluye la induccin̤ de un r̀bol de decisin̤ que genera subconjuntos de caracters̕ticas, para las c...
Kaydedildi:
| Diğer Yazarlar: | , , , , |
|---|---|
| Materyal Türü: | Kitap |
| Dil: | İspanyolca |
| Konular: | |
| Online Erişim: | Seleccin̤ de caracters̕ticas usando modelo hibrido basado en algoritmos genťicos |
| Etiketler: |
Etiketle
Etiket eklenmemiş, İlk siz ekleyin!
|
MARC
| LEADER | 00000nam a22000004a 4500 | ||
|---|---|---|---|
| 001 | vpro22072 | ||
| 005 | 20201223000000.0 | ||
| 008 | 200725s2020 ck # g## #001 0#spa#d | ||
| 020 | |a 2248-8723 (Versin̤ electrn̤ica); 0120-5609 (Versin̤ impresa) | ||
| 022 | |||
| 040 | |a CO-BoINGC | ||
| 041 | 0 | |a spa | |
| 245 | 1 | 0 | |a Seleccin̤ de caracters̕ticas usando modelo hibrido basado en algoritmos genťicos |
| 246 | |a Feature selection using a genetic algorithm-based hybrid approach | ||
| 264 | |a Bogot ̀(Colombia) : |b Revista VirtualPRO, |c 2020 | ||
| 520 | 3 | |a En el artc̕ulo se propone un modelo hb̕rido de seleccin̤ de caracters̕ticas con el objeto de reducir la dimensin̤ del espacio de entrenamiento, sin comprometer la precisin̤ de clasificacin̤. El modelo incluye la induccin̤ de un r̀bol de decisin̤ que genera subconjuntos de caracters̕ticas, para las cuales seguidamente se evala͠ su relevancia mediante el criterio del mn̕imo error de clasificacin̤. El procedimiento de evaluacin̤ se desarrolla empleando la regla de los k-vecinos ms̀ cercanos. Usualmente, la reduccin̤ de espacios supone una cota de error de clasificacin̤; sin embargo, en este trabajo la sintonizacin̤ del modelo hb̕rido de seleccin̤ se realiza usando algoritmos genťicos, con lo cual se obtiene de forma simultǹea la minimizacin̤ tanto del nm͠ero de caracters̕ticas de entrenamiento, como del error de clasificacin̤. De manera adicional, a diferencia de las tčnicas convencionales de seleccin̤, el modelo propuesto permite cuantificar el nivel de relevancia de cada caracters̕tica perteneciente al conjunto reducido de entrenamiento. Las pruebas del modelo se realizan para la identificacin̤ de hipernasalidad, en el caso de voz, y cardiopata̕ isqum̌ica, en el caso de registros de electrocardiografa̕. Las bases de datos corresponden a una poblacin̤ de 90 niǫs (45 registros por clase) y a 100 registros electrocardiogrf̀icos (50 por clase). Los resultados obtenidos muestran una efectividad promedio para la reduccin̤ del espacio de entrenamiento inicial hasta de un 88%, con una tasa promedio de error de clasificacin̤ inferior al 6%. | |
| 650 | \ | \ | |a Tčnicas de prediccin̤ |
| 650 | \ | \ | |a Inteligencia artificial |
| 650 | \ | \ | |a Algoritmos genťicos |
| 650 | \ | \ | |a Prediction techniques |
| 650 | \ | \ | |a Artificial intelligence |
| 650 | \ | \ | |a Genetic algorithms |
| 650 | \ | \ | |a Seleccin̤ de caracters̕ticas; Algoritmos genťicos; ℓrboles de decisin̤; K-vecinos ms̀ cercanos; Relevancia |
| 650 | \ | \ | |a Feature selection; Genetic algorithm; Decision tree; The k nearest neighbor rule; Relevancy |
| 700 | \ | \ | |a Castellanos Domn̕guez Germǹ |
| 700 | \ | \ | |a Delgado Trejos Edilson |
| 700 | \ | \ | |a Giraldo Luis Felipe |
| 700 | \ | \ | |a Riaǫ Juan Carlos |
| 700 | \ | \ | |a Universidad Nacional de Colombia |
| 856 | |z Seleccin̤ de caracters̕ticas usando modelo hibrido basado en algoritmos genťicos |u https://virtualpro.unach.elogim.com/biblioteca/seleccion-de-caracteristicas-usando-modelo-hibrido-basado-en-algoritmos-geneticos | ||