Mecanismos de Aceleración en Selección de Características Basada en el Peso Informacional de las Variables para Aprendizaje no Supervisado
María D. Torres, Eunice E. Ponce De León, Carlos A. Ochoa O., Aurora Torres, Elva Díaz
La presente investigación, se ubica en el área de la
Inteligencia Artificial conocida como selección de
características (SSC) en aprendizaje no supervisado
(ANS) haciendo uso de un algoritmo genético,
modificado con un nuevo operador especial para el
problema de selección de subconjuntos de
características denominado “operador genético de
aceleración”. Este operador reduce los tiempos desde
horas o días a minutos.
La metodología diseñada, realiza selección de
características de forma que se conserva la
representatividad del conjunto de datos original, pero
reduciendo el tamaño de éste, facilitando su manejo y
minimizando los costos de manipulación. Ésto, para
encontrar agrupaciones tanto de casos como de
variables utilizando el peso informacional de las
mismas.
Las principales aportaciones de la metodología
reportada, son el operador de aceleración, el
mecanismo de mejoramiento en el proceso de
búsqueda de testores típicos en una Matriz Básica
obtenida a partir de una base de datos y la flexibilidad
del marco de trabajo, ya que es tan robusto, que se
adapta a problemas de SSC en aprendizaje
supervisado tanto como en ANS; reportando una
considerable reducción de tiempo además de la
obtención de elementos para la toma de decisiones
importantes en base a la agrupación de casos y
variables. Texto Completo
|