| Journal: | Nova scientia |
| Database: | PERIÓDICA |
| System number: | 000386991 |
| ISSN: | 2007-0705 |
| Authors: | García Floriano, Andrés1 Camacho Nieto, Oscar2 Yáñez Márquez, Cornelio1 |
| Institutions: | 1Instituto Politécnico Nacional, Centro de Investigación en Computación, México, Distrito Federal. México 2Instituto Politécnico Nacional, Centro de Innovación y Desarrollo Tecnológico en Cómputo, México, Distrito Federal. México |
| Year: | 2015 |
| Season: | Oct |
| Volumen: | 7 |
| Number: | 14 |
| Pages: | 365-397 |
| Country: | México |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Experimental, aplicado |
| Spanish abstract | En este trabajo se presenta un nuevo modelo de clasificación de patrones, en modo supervisado, cuyo diseño y operación se basa en la función de Heaviside; este Clasificador de Heaviside es del tipo one shot, lo cual garantiza que el nuevo modelo carecerá de problemas de convergencia. Para lograr lo anterior, se proponen dos operaciones originales, llamadas L y C, en cuyo diseño interviene de manera relevante la función de Heaviside. La fase de aprendizaje de patrones del nuevo modelo está sustentada en la operación original L, mientras que la fase de clasificación de patrones descansa en la efectividad de la nueva operación C. Con objeto de fundamentar teóricamente el Clasificador de Heaviside, se enuncian y demuestran algunos lemas, teoremas y corolarios que exhiben propiedades relevantes de las nuevas operaciones, las cuales inciden directamente en el desempeño del nuevo modelo. En pruebas experimentales preliminares, cuyos resultados se incluyen en el presente artículo, se ha aplicado el Clasificador de Heaviside en algunos bancos de datos conocidos y utilizados por la comunidad académica internacional. El análisis de los datos generados en las pruebas experimentales, evidencian que el desempeño del nuevo modelo es competitivo, y en algunos casos superior, con respecto a modelos destacados en el estado del arte de temas afines a la Inteligencia Computacional, la Minería de Datos, el Reconocimiento y la Clasificación de Patrones (en modo de aprendizaje supervisado) |
| English abstract | In this work, a new pattern classification model, working in supervised mode, is presented. The design and operation of this model is based on the Heaviside function. Also, this Heaviside Classifier is of the one-shot kind, which guarantees that the new model will not have any convergence problem. In order to achieve the former, two original operations, called L and C, are proposed; the Heaviside function strongly intervenes in the design of these operations. The pattern learning phase of the new model is based on the original operation L, while the pattern classification phase relies on the effectiveness of the new operation C. With the goal of theoretically substantiating the Heaviside Classifier, some lemmas, theorems, and corollaries are stated and proved. These theorems exhibit relevant properties of the new operations, which in turn affect directly the performance of the new model. In preliminary experimental tests, included in this paper, the Heaviside Classifier has been applied to some data sets known and used by the international academic community. The data obtained from the experimental tests show that the new model performance is competitive, and in some cases superior, with respect to outstanding models in the state of the art on topics related to Computer Intelligence, Data Mining, Pattern Recognition, and Pattern Classification (in the supervised learning mode) |
| Disciplines: | Ciencias de la computación |
| Keyword: | Inteligencia artificial, Clasificación de patrones, Aprendizaje supervisado, Función de Heaviside |
| Keyword: | Computer science, Artificial intelligence, Pattern classification, Supervised learning, Heaviside function |
| Full text: | Texto completo (Ver HTML) |
