Reducción de la información en modelos de fusión de clasificadores.
Aplicación en un sistema de visión por computador para la detección de
defectos en frutas
|
MAIN RESEARCHER Dr. Ramón Alberto Mollineda Cárdenas
Funding by:Direcció General d'Investigació i Transferència Tecnològica.
Conselleria d'Empresa, Universitat i Ciència. Generalitat Valenciana.
Code: GV04A705
Period: 2004-2006
|
|
|
|
|
ABSTRACT
Muchas de las aplicaciones en las que trabaja este grupo de investigación se
realizan sobre grandes volúmenes de datos, por lo que deben gestionar un
conjunto de dificultades inherentes: redundancia en los datos y necesidad de
altas capacidades de cómputo y almacenamiento. Este proyecto propone la
combinación o fusión de clasificadores (sistema de multiclasificación) como
solución al análisis de grandes volúmenes de información. Esta estrategia
permite dividir un gran conjunto de datos en múltiples subconjuntos reducidos
tratables a partir de la selección de instancias o subespacios de
representación. Estos subconjuntos se usarían para entrenar clasificadores
individuales que potencialmente podrían operar en paralelo en una
arquitectura apropiada. En el proceso de reconocimiento de una instancia no
vista en entrenamiento, el sistema de multiclasificación combina las
decisiones individuales de los clasificadores (en paralelo), y ofrece una
decisión consensuada. El éxito del proceso depende de cuán diversos o
complementarios sean los modelos individuales de clasificación
(clasificador+subconjunto de entrenamiento). El objetivo principal de este
proyecto es definir estrategias de generación de diversidad en sistemas de
multiclasificación aplicados a problemas con grandes volúmenes de datos.
|