Estudio de métodos de construcción de ensembles de clasificadores y aplicaciones

  1. Díez Pastor, José Francisco
Dirigida por:
  1. César García Osorio Director/a
  2. Juan José Rodríguez Diez Director

Universidad de defensa: Universidad de Burgos

Fecha de defensa: 15 de junio de 2015

Tribunal:
  1. Colin Fyfe Presidente/a
  2. Jesús M. Maudes Raedo Secretario
  3. Maciej Stanislaw Grzenda Vocal
  4. Julián Luengo Martín Vocal
  5. Nicolás García-Pedrajas Vocal

Tipo: Tesis

Teseo: 390149 DIALNET lock_openRIUBU editor

Resumen

La inteligencia artificial se dedica a la creación de sistemas informáticos con un comportamiento inteligente. Dentro de este área el aprendizaje computacional estudia la creación de sistemas que aprenden por sí mismos. Un tipo de aprendizaje computacional es el aprendizaje supervisado, en el cual, se le proporcionan al sistema tanto las entradas como la salida esperada y el sistema aprende a partir de estos datos. Un sistema de este tipo se denomina clasificador. En ocasiones ocurre, que en el conjunto de ejemplos que utiliza el sistema para aprender, el número de ejemplos de un tipo es mucho mayor que el número de ejemplos de otro tipo. Cuando esto ocurre se habla de conjuntos desequilibrados. La combinación de varios clasificadores es lo que se denomina "ensemble", y a menudo ofrece mejores resultados que cualquiera de los miembros que lo forman. Una de las claves para el buen funcionamiento de los ensembles es la diversidad. Esta tesis, se centra en el desarrollo de nuevos algoritmos de construcción de ensembles, centrados en técnicas de incremento de la diversidad y en los problemas desequilibrados. Adicionalmente, se aplican estas técnicas a la solución de varias problemas industriales.