La máquina de vectores soporte es un clasificador basado en el principio de minimización del riesgo estructurado. El rendimiento de la SVM depende de distintos parámetros, como el factor de penalización, C, y el factor del núcleo, σ. Además, la elección de una función de núcleo adecuada puede mejorar la puntuación de reconocimiento y reducir la cantidad de cálculos. Además, la selección de las características útiles entre varias características en el conjunto de datos no sólo aumenta el rendimiento de la SVM, sino que también reduce el tiempo de cálculo y la complejidad. Se trata, por tanto, de un problema de optimización que puede resolverse mediante un algoritmo heurístico. En algunos casos, además de la puntuación de reconocimiento, la fiabilidad de la salida del clasificador es importante. En estos casos se necesita un algoritmo de optimización multiobjetivo. En este trabajo hemos utilizado el algoritmo MOPSO para optimizar los parámetros de la SVM, elegir la función kernel adecuada y seleccionar el mejor subconjunto de características simultáneamente para optimizar la puntuación de reconocimiento y la fiabilidad de la SVM al mismo tiempo. Se utilizan nueve conjuntos de datos diferentes, procedentes del repositorio de aprendizaje automático de la UCI, para evaluar la potencia y la eficacia del método propuesto (MOPSO-SVM). Los resultados del método propuesto se comparan con los obtenidos por redes neuronales SVM, RBF y MLP.
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:
Mejora de la resistencia al deslizamiento de los sucesores del instrumento de Marte "Heat Flow Property Package Instrument" (HP3) mediante la vía espaciada de Bekker
Artículo:
Control óptimo de plantas de tratamiento de aguas residuales usando estrategias dinámicas predictivas por modelo económicamente orientadas
Artículo:
Cálculo de la zona de influencia para el muestreo planetario basado en la simulación DEM
Video:
Modelos de control predictivo de propagación (MPSC) y diseños generalizados de MPSP (G-MPSP)
Artículo:
Un marco de fusión de datos multisensor en línea para la clasificación de emisores de radar
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
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.