Clasificación automática simbólica por medio de algoritmos genéticos

Clasificación automática simbólica por medio de algoritmos genéticos

Se presenta una variante en los métodos de clasificación: un algoritmo genético para clasificación automática utilizando las herramientas del análisis simbólico de datos; esta implementación permite solventar los problemas de los métodos clásicos de clasificación: obtención de mı́nimos l...

Descripción completa

Detalles Bibliográficos
Autores principales: Fernández-Jiménez, Fabio, Murillo-Fernández, Alex
Formato: Online
Idioma:spa
Publicado: Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA) 2009
Acceso en línea:https://revistas.ucr.ac.cr/index.php/matematica/article/view/307
id RMTA307
record_format ojs
spelling RMTA3072022-01-25T16:45:48Z Clasificación automática simbólica por medio de algoritmos genéticos Clasificación automática simbólica por medio de algoritmos genéticos Fernández-Jiménez, Fabio Murillo-Fernández, Alex Clustering symbolic analysis k-means genetic algorithm optimization Clasificación automática análisis simbólico k-means algoritmos genéticos optimización This paper presents a variant in the methods for clustering: a genetic algorithm for clustering through the tools of symbolic data analysis. Their implementation avoids the troubles of clustering classical methods: local minima and dependence of data types: numerical vectors (continuous data type). The proposed method was programmed in MatLab©R and it uses an interesting operator of encoding. We compare the clusters by their intra-clusters inertia. We used the following measures for symbolic data types: Ichino-Yaguchi dissimilarity measure, Gowda-Diday dissimilarity measure, Euclidean distance and Hausdorff distance. Se presenta una variante en los métodos de clasificación: un algoritmo genético para clasificación automática utilizando las herramientas del análisis simbólico de datos; esta implementación permite solventar los problemas de los métodos clásicos de clasificación: obtención de mı́nimos locales y dependencia de los tipos de datos con los cuales trabajan: continuos. El método fue programado en MatLab©R y usa un operador interesante de codificación. Se comparan clases por su inercia intra-clases. Se usaron las siguientes medidas para datos del tipo simbólico: medida de disimilitud de Ichino-Yaguchi, medida de disimilitud de Gowda-Diday, diatancia Euclídea y distancia de Hausdorff. Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA) 2009-08-01 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Article application/pdf https://revistas.ucr.ac.cr/index.php/matematica/article/view/307 10.15517/rmta.v16i2.307 Revista de Matemática: Teoría y Aplicaciones; Vol. 16 No. 2 (2009): Revista de Matemática: Teoría y Aplicaciones; 283-292 Revista de Matemática: Teoría y Aplicaciones; Vol. 16 Núm. 2 (2009): Revista de Matemática: Teoría y Aplicaciones; 283-292 Revista de Matemática; Vol. 16 N.º 2 (2009): Revista de Matemática: Teoría y Aplicaciones; 283-292 2215-3373 1409-2433 spa https://revistas.ucr.ac.cr/index.php/matematica/article/view/307/287 Derechos de autor 2009 Revista de Matemática: Teoría y Aplicaciones
institution Universidad de Costa Rica
collection Revista de Matemática: Teoría y Aplicaciones
language spa
format Online
author Fernández-Jiménez, Fabio
Murillo-Fernández, Alex
spellingShingle Fernández-Jiménez, Fabio
Murillo-Fernández, Alex
Clasificación automática simbólica por medio de algoritmos genéticos
author_facet Fernández-Jiménez, Fabio
Murillo-Fernández, Alex
author_sort Fernández-Jiménez, Fabio
description Se presenta una variante en los métodos de clasificación: un algoritmo genético para clasificación automática utilizando las herramientas del análisis simbólico de datos; esta implementación permite solventar los problemas de los métodos clásicos de clasificación: obtención de mı́nimos locales y dependencia de los tipos de datos con los cuales trabajan: continuos. El método fue programado en MatLab©R y usa un operador interesante de codificación. Se comparan clases por su inercia intra-clases. Se usaron las siguientes medidas para datos del tipo simbólico: medida de disimilitud de Ichino-Yaguchi, medida de disimilitud de Gowda-Diday, diatancia Euclídea y distancia de Hausdorff.
title Clasificación automática simbólica por medio de algoritmos genéticos
title_short Clasificación automática simbólica por medio de algoritmos genéticos
title_full Clasificación automática simbólica por medio de algoritmos genéticos
title_fullStr Clasificación automática simbólica por medio de algoritmos genéticos
title_full_unstemmed Clasificación automática simbólica por medio de algoritmos genéticos
title_sort clasificación automática simbólica por medio de algoritmos genéticos
title_alt Clasificación automática simbólica por medio de algoritmos genéticos
publisher Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA)
publishDate 2009
url https://revistas.ucr.ac.cr/index.php/matematica/article/view/307
work_keys_str_mv AT fernandezjimenezfabio clasificacionautomaticasimbolicapormediodealgoritmosgeneticos
AT murillofernandezalex clasificacionautomaticasimbolicapormediodealgoritmosgeneticos
_version_ 1811744087948132352

Ejemplares similares