| Revista: | Computación y sistemas |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000359286 |
| ISSN: | 1405-5546 |
| Autores: | Bonet, Isis1 Rodríguez, Abdel1 García, María M1 Grau, Ricardo1 |
| Instituciones: | 1Universidad Central "Marta Abreu" de Las Villas, Centro de Estudios de Informática, Santa Clara, Villa Clara. Cuba |
| Año: | 2012 |
| Periodo: | Abr-Jun |
| Volumen: | 16 |
| Número: | 2 |
| Paginación: | 191-201 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | Dentro de la bioinformática existen muchos problemas de clasificación, que resultan difícil de solucionar usando técnicas de inteligencia artificial por la diversidad de patrones de las bases de datos. En este trabajo se desarrolla un multiclasificador que combina clasificadores con el objetivo de mejorar los resultados de clasificación en bases de datos de bioinformática. Se basa en usar diferentes métodos de aprendizaje automatizado que funcionan como un método de agrupamiento para dividir la base a partir de los casos que son bien clasificados por cada método. El sistema aprende a decidir, mediante un metaclasificador, cuál o cuáles son los mejores clasificadores para un caso determinado. Se usaron once bases de datos internacionales para comparar el modelo propuesto con los multiclasificadores más conocidos en la literatura. Se usan pruebas estadísticas que demuestran que los resultados obtenidos por el nuevo multiclasificador son significativamente superiores a los obtenidos con otros modelos |
| Resumen en inglés | There are several classification problems in Bioinformatics which are difficult to solve using artificial intelligence techniques because of the diversity of patterns in datasets. In this paper, an ensemble of classifiers is developed to improve the accuracy of classification in bioinformatics datasets. This model is based on the use of different machine learning methods, and it forms clusters to divide the dataset taking into account the performance of the base methods. By means of a meta-classifier, the system learns to decide which classifiers are the best for a given case. In order to compare the new model with some well-known multi-classifiers, eleven international databases are used. It is demonstrated by statistical tests that results of our model are significantly better than those obtained with previous models |
| Disciplinas: | Ciencias de la computación, Biología |
| Palabras clave: | Procesamiento de datos, Bioinformática, Modelos de clasificación, Reconocimiento de patrones, Multiclasificadores |
| Keyword: | Computer science, Biology, Data processing, Bioinformatics, Classification models, Pattern recognition, Multi-classifiers |
| Texto completo: | Texto completo (Ver HTML) |
