Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Unsupervised Learning Frameworks Using Kernel Based Representations

Castro Ospina, Andrés Eduardo (2014) Unsupervised Learning Frameworks Using Kernel Based Representations. Maestría thesis, Universidad Nacional de Colombia - Sede Manizales.

Texto completo

[img]
Vista previa
PDF - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

4MB

Resumen

En este trabajo se proponen algunos esquemas de aprendizaje no supervisado usando representaciones basadas en Kernel. Nuestra meta es revelar apropiadamente estructuras relevantes en datos. Por lo tanto, proponemos una técnica que aproveche conocimiento previo por parte de un usuario, mejorando el desempeño de agrupamiento. Además, proponemos un esquema general capaz de resaltar patrones relevantes en los datos de entrada por medio de una compensación entre dos transformadores. Finalmente, proponemos una estrategia para la selección automática de parámetros haciendo uso de funciones de similitud/disimilitud y análisis de relevancia para revelar estructuras locales y globales en los datos para tareas de aprendizaje no supervisado, mejorando el desempeño en etapas posteriores de aprendizaje no supervisado, Abstract : In this work, some unsupervised learning frameworks using kernel based representations are proposed. Our goal is to properly reveal relevant data structures. Therefore, we propose a technique which takes advantage of user prior knowledge, improving clustering performance. Besides, we propose a general scheme able to highlight relevant input data patterns by means of a compensation between two mapping functions. Finally, we propose a automatic parameter selection strategy by using complementary similarity/ dissimilarity functions and relevance analysis to reveal the intrinsic local and global data structures for unsupervised learning tasks, enhancing the performance in further unsupervised learning stages

Tipo de documento:Tesis/trabajos de grado - Thesis (Maestría)
Colaborador / Asesor:Castellanos Domínguez, César Germán and Alvarez Meza, Andrés Marino
Información adicional:Tesis presentada como requisito parcial para optar al título de Magíster en Ingeniería – Automatización Industrial
Palabras clave:Aprendizaje no supervisado, Función Kernel, Principio de relevancia, Agrupamiento, Representación en grafo, Función de transformación, Unsupervised learning, Kernel functions, Principle of relevance, Clustering, Graph representation, Mapping function
Temática:5 Ciencias naturales y matemáticas / Science > 51 Matemáticas / Mathematics
6 Tecnología (ciencias aplicadas) / Technology > 62 Ingeniería y operaciones afines / Engineering
Unidad administrativa:Sede Manizales > Facultad de Ingeniería y Arquitectura > Departamento de Ingeniería Eléctrica, Electrónica y Computación
Código ID:39601
Enviado por : Biblioteca Digital Universidad Nacional de Colombia - Sede Manizales
Enviado el día :21 Julio 2014 19:43
Ultima modificación:21 Julio 2014 19:43
Ultima modificación:21 Julio 2014 19:43
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Registry of Open Access Repositories OpenDOAR Metabiblioteca BDCOL OAIster Red de repositorios latinoamericanos DSpace BASE Open archives La referencia Colombiae Open Access Theses and Dissertations Tesis latinoamericanas CLACSO
Este sitio web se ve mejor en Firefox