Los datos Universum, definidos como un conjunto de ejemplos no etiquetados que no pertenecen a ninguna clase de interés, han demostrado codificar cierto conocimiento previo al representar información significativa en el mismo dominio que el problema en cuestión. Los datos Universum han demostrado su eficacia para mejorar el rendimiento del aprendizaje en muchas tareas, como la clasificación y la agrupación. Inspirados por su favorable rendimiento, en este trabajo abordamos un nuevo problema de selección semisupervisada de características, denominado selección semisupervisada de características con Universum, que puede explotar simultáneamente los datos no etiquetados y los datos Universum. Se presentan experimentos con varios conjuntos de datos UCI para demostrar que los algoritmos propuestos pueden alcanzar rendimientos superiores a los métodos convencionales no supervisados y supervisados.
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.
Artículo:
Bifurcación de Neimark-Sacker en un sistema financiero de tiempo discreto
Artículo:
Identificación de parámetros y modelo lineal del vibrador magnetostrictivo gigante
Artículo:
Estimación numérica de las propiedades espectrales del láser basada en ecuaciones de velocidad
Artículo:
Búsqueda de la verdad inducida por el ruido de la dinámica de opinión heterogénea de Hegselmann-Krause.
Artículo:
La importancia de la preferencia difusa en el problema de la asignación de cursos
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Artículo:
Nuevas necesidades cosméticas : tendencias y productos específicos
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.