Algoritmo de votación incremental INC-ALVOT para clasificación supervisada
DOI:
https://doi.org/10.17533/udea.redin.14945Keywords:
Clasificación supervisada, algoritmos de votación, algoritmos incrementalesAbstract
En este trabajo, se presenta un algoritmo incremental para clasificación supervisada llamado INC-ALVOT (algoritmo de votación incremental). Este algoritmo permite manejar conjuntos de datos mezclados, los cuales no se almacenan en la memoria principal. Además, el algoritmo permite incorporar nuevos objetos en el conjunto de datos inicial, realizando un número mínimo de operaciones para la clasificación de nuevos objetos con el conjunto de datos expandido. Se presentan los resultados obtenidos al aplicar el algoritmo propuesto en diversos conjuntos de datos reales comparado con el algoritmo clásico de votación ALVOT.
Downloads
References
J. F. Martínez Trinidad, A. Guzman Arenas. “The logical combinatorial pattern recognition an overview through selected works”. Pattern Recognition. Vol. 34. 2001. pp. 741-751. DOI: https://doi.org/10.1016/S0031-3203(00)00027-3
J. Ruiz Shulcloper, M. Lazo Cortés. “Mathematical algorithms for the supervised classification based on fuzzy partial precedence”. Mathematical and Computer Modeling. Vol. 29. 1999. pp. 111-119. DOI: https://doi.org/10.1016/S0895-7177(99)00044-8
E. López Espinoza, J. Carrasco Ochoa, J. F. Martinez Trinidad. “Two floating search strategies to compute the suppot sets system for ALVOT”. Proc. CIARP 2004. LNCS. Ed. Springer-Verlag. Puebla (México). 2004. pp. 677-684. DOI: https://doi.org/10.1007/978-3-540-30463-0_85
J. Carrasco Ochoa, J. F. Martínez Trinidad. “Editing and training for ALVOT, an evolutionary approach”. Proc. IDEAL 2003. LNCS. Ed. Springer-Verlag. Hong Kong. 2003. pp. 452-456. DOI: https://doi.org/10.1007/978-3-540-45080-1_61
Y. Moyao Martinez. Programa paralelo para el cálculo del sistema de conjuntos de apoyo del algoritmo de clasificación CR+. Tesis de Maestría en Ciencias de la Computación. BUAP. Puebla. México. 1998. pp. 1-32.
D. Aha, D. Kibler, M. Albert. “Instance-based learning algorithms”. Machine learning. Vol. 6. 1991. pp. 37-66. DOI: https://doi.org/10.1007/BF00153759
J. Carrasco Ochoa. Sensibilidad en el enfoque lógico combinatorio de patrones. Tesis de Doctorado en Ciencias de la Computación. CIC-IPN. México. 2001. pp. 10-70.
A. Pons Porrata, G. Sánchez Díaz, M. Lazo Cortés, L. Alfonso Ramírez. “An incremental clustering algorithm base don compact set with radius α”. Proc. CIARP 2005. LNCS. Ed. Springer-Verlag. La Habana (Cuba). 2005. pp. 518-527. DOI: https://doi.org/10.1007/11578079_54
G. Sánchez Díaz, J. Ruíz Shulcloper. “A clustering method for very large mixed data sets”. Proc. IEEEICDM 01. San José (CA). 2001. pp. 643-644.
J. Ruíz Shulcloper, A. Guzmán Arenas, J. Martínez Trinidad. Enfoque lógico combinatorio al reconocimiento de patrones. Serie avances en reconocimiento de patrones. Edit. Instituto Politécnico Nacional. México. 1999. pp. 59-75.
.M. Lazo Cortés, J. Ruíz Shulcloper, E. Alba Cabrera. “An overview of the evolution of the concept of testor”. Pattern Recognition. Vol. 34. 2001. pp. 753- 762. DOI: https://doi.org/10.1016/S0031-3203(00)00028-5
A. Asunción, D. J. Newman. “UCI repository of machine learning databases http://www.ics.uci.edu/~mlearn/MLRepository.html. Consultada el 11 de octubre de 2008. Irvine. CA: University of California. Department of information and computer science. 1998. pp. 1-1.
M. H. Dunham. Data Mining. Introductory and Advances Topics. Ed. Pearson Education Inc. New Jersey. 2003. pp. 3-20.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2018 Revista Facultad de Ingeniería
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Revista Facultad de Ingeniería, Universidad de Antioquia is licensed under the Creative Commons Attribution BY-NC-SA 4.0 license. https://creativecommons.org/licenses/by-nc-sa/4.0/deed.en
You are free to:
Share — copy and redistribute the material in any medium or format
Adapt — remix, transform, and build upon the material
Under the following terms:
Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial — You may not use the material for commercial purposes.
ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
The material published in the journal can be distributed, copied and exhibited by third parties if the respective credits are given to the journal. No commercial benefit can be obtained and derivative works must be under the same license terms as the original work.
Twitter