Esta investigación presenta algunos resultados obtenidos bajo diferentes modelos de clasificación de patrones texturales de minerales presentes en imágenes digitales. El conjunto de datos utilizado esta caracterizado por un tamaño pequeño y presencia de ruido. Los modelos implementados fueron el clasificador Bayesiano, red neuronal (2-5-1), maquina de soporte de vectores (SVM), árbol de decisión y 3-vecinos más cercanos. Los resultados obtenidos luego de la validación cruzada demostraron que el modelo Bayesiano (84%) arrojo la mejor capacidad predictiva, debido principalmente a su robustez frente al ruido. La red neuronal (68%) y la SVM (67%) dieron resultados alentadores, que posiblemente puedan mejorarse al incrementar el tamaño del conjunto de datos; mientras el árbol de decisión (55%) y el k-vecinos (54%) no parecen ser adecuados para este problema, dado su sensibilidad al ruido.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Ley:
Ley petrolera No 3/2001 del 21 de febrero
Artículo:
Innovación del gobierno colombiano para el sector minero energético
Artículo:
Comparación de modelos de clasificación automática de patrones texturales de minerales presentes en los carbones colombianos
Artículo:
Las locomotoras del desarrollo: minas, energía e innovación
Ley:
Ley del petróleo N° 19/2000/QH10 del 9 de junio de 2000
Artículo:
Vigilancia tecnológica sobre las técnicas de producción y usos de biochar
Artículo:
Vigilancia tecnológica e inteligencia competitiva en el modelo empresarial del sector hotelero colombiano
Artículo:
Vigilancia tecnológica e inteligencia competitiva para la producción de tilapia roja (Oreochromis mossambicus) en el departamento del Huila, Colombia
Artículo:
Vigilancia tecnológica e inteligencia competitiva para el sector funerario, caso “grupo Obelisco Ltda”