Máquinas de Vectores Soporte Adaptativas

Se propone un método de clasificación adaptativo capaz de aprender un concepto y seguir su evolución temporal como consecuencia de cambios lentos en sistemas evolutivos. Para ello se realiza una modificación del clasificador SVM (máquina de vectores soporte), consistente en usar múltiples hiperplano...

Descripción completa

Detalles Bibliográficos
Autores principales:	Grinblat, Guillermo L., Ceccatto, Hermenegildo Alejandro
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2007
Materias:	Ciencias Informáticas Informática Language Classifications método de clasificación Model classification SVM con kernel gausiano
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/23484
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-23484
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Informática Language Classifications método de clasificación Model classification SVM con kernel gausiano
spellingShingle	Ciencias Informáticas Informática Language Classifications método de clasificación Model classification SVM con kernel gausiano Grinblat, Guillermo L. Ceccatto, Hermenegildo Alejandro Máquinas de Vectores Soporte Adaptativas
topic_facet	Ciencias Informáticas Informática Language Classifications método de clasificación Model classification SVM con kernel gausiano
description	Se propone un método de clasificación adaptativo capaz de aprender un concepto y seguir su evolución temporal como consecuencia de cambios lentos en sistemas evolutivos. Para ello se realiza una modificación del clasificador SVM (máquina de vectores soporte), consistente en usar múltiples hiperplanos válidos en pequeñas localidades temporales (ventanas) para realizar la clasificación. A diferencia de otras propuestas de este tipo en la literatura, en este caso se realiza un aprendizaje de todos los hiperplanos en forma global, minimizando una cantidad que contiene al error que comete la familia de clasificadores locales más una medida asociada a la dimensión VC de los mismos. Para conceptos estacionarios, la misma idea aplicada a localidades en el espacio de características permite obtener resultados comparables a los que proporciona SVM con kernel gausiano.
format	Objeto de conferencia Objeto de conferencia
author	Grinblat, Guillermo L. Ceccatto, Hermenegildo Alejandro
author_facet	Grinblat, Guillermo L. Ceccatto, Hermenegildo Alejandro
author_sort	Grinblat, Guillermo L.
title	Máquinas de Vectores Soporte Adaptativas
title_short	Máquinas de Vectores Soporte Adaptativas
title_full	Máquinas de Vectores Soporte Adaptativas
title_fullStr	Máquinas de Vectores Soporte Adaptativas
title_full_unstemmed	Máquinas de Vectores Soporte Adaptativas
title_sort	máquinas de vectores soporte adaptativas
publishDate	2007
url	http://sedici.unlp.edu.ar/handle/10915/23484
work_keys_str_mv	AT grinblatguillermol maquinasdevectoressoporteadaptativas AT ceccattohermenegildoalejandro maquinasdevectoressoporteadaptativas
bdutipo_str	Repositorios
_version_	1764820466007015427

Máquinas de Vectores Soporte Adaptativas

Ejemplares similares