Aprendizaje de supervisado de funciones de distancia para el reconocimiento de patrones
Texto completo:
PDFResumen
El presente trabajo tiene como objetivo diseñar nuevas estrategias para el aprendizaje de funciones de distancia de modo que el método k-NN pueda ser aplicado con eficacia y eficiencia en diferentes contextos del aprendizaje automático. Ante cada contexto particular se define un problema de optimización adecuado y se plantea un método de solución eficiente. Cada uno de los métodos ha sido implementado computacionalmente y posteriormente se ha evaluado de forma empírica utilizando conjuntos de datos tomados de repositorios internacionalmente reconocidos. Esta validación incluye la comparación con otros algoritmos actualizados de modo que pueden destacarse las fortalezas y debilidades de las propuestas propias. Cada una de las estrategias propuestas ha sido publicada en 6 artículos en revistas de la corriente principal y presentada en un evento internacional de prestigio.
Palabras clave
Copyright (c) 2021 Carlos Morell Pérez, Bac Nguyen Cong, Bernard De Baets
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.