Métodos de reducción de la carga computacional de clasificadores multiclase basados en máquinas de vectores soporte

摘要

En los últimos años se ha experimentado un incremento exponencial de la información que se espera que continúe creciendo en el futuro. Por este motivo es necesaria la organización por medios automáticos de toda esta información para facilitar el acceso, la búsqueda y el análisis de la misma. El aprendizaje automático se encarga de diseñar y desarrollar algoritmos que permitan a los ordenadores ser más eficientes y realizar tareas sin apenas supervisión humana. Este tipo de aprendizaje tratará de producir de manera automática modelos, reglas o patrones a partir de una serie de datos iniciales. El aprendizaje automático está por tanto íntimamente relacionado con campos tan extensos como pueden ser la minería de datos, la estadística o el reconocimiento de patrones, entre otros. En las últimas décadas, dada la gran demanda de estas aplicaciones, se ha visto incrementado de manera notable el desarrollo de nuevas técnicas de aprendizaje automático. En este Proyecto de Fin de Carrera se hará una introducción a los diferentes tipos de aprendizaje automático así como a su aplicación a diversos problemas de clasificación, sobre todo, en entornos multiclase. De entre éstos, se hará especial hincapié en los problemas de clasificación de textos e imágenes de dígitos manuscritos en los que se aplicará una técnica de aprendizaje automático supervisada. Este tipo de técnicas de aprendizaje se refieren a todas aquellas aplicaciones o procesos en los que se dispone de información como son los valores de entrada del sistema y los valores de salida deseados. Uno de los objetivos principales es utilizar la técnica de aprendizaje supervisado basada en máquinas de vectores soporte para realizar varias aproximaciones a problemas de multiclasificación con el fin de resolver algunas desventajas que presentan los algoritmos de combinación de clasificadores tradicionales como pueden ser la complejidad de estos métodos de clasificación así como la elevada carga computacional y temporal en la evaluación de los resultados. En este Proyecto de Fin de Carrera se explican detalladamente las dos aproximaciones propuestas para problemas multiclase en las que se aplicarán diversas estrategias de combinación de clasificadores. Por último, se realizará un estudio comparativo de estos algoritmos y de esta manera poder comprender mejor las características cualitativas y cuantitativas de éstos. -------------------------------------------------------------------------------------------------------------------------------------------------------