Metodología para la definición y uso de sistemas multiclasificadores basados en la especialización de múltiples clasificadores autónomos

• Autores: Esther del Castillo Herrera
• Directores de la Tesis: Luis Jiménez Linares (dir. tes.)
• Lectura: En la Universidad de Castilla-La Mancha ( España ) en 2013
• Idioma: español
• Tribunal Calificador de la Tesis: Miguel Delgado Calvo-Flores (presid.) , Luis Rodriguez Benitez (secret.) , Luis Martínez López (voc.)
• Enlaces
  • Tesis en acceso abierto en: TESEO
• Resumen

  • Un clasificador es un sistema que ha aprendido las características de un modelo, usando un conjunto de datos, para predecir las características de nuevos datos. En los últimos años han aparecido numerosos trabajos en los que se obtienen diferentes clasificadores base que representan al modelo, de forma que la clasificación se produce como combinación de las predicciones de los clasificadores base. En la literatura encontramos diferentes nombres para estos sistemas: agregación de clasificadores, fusión de clasificadores, etc. Llamaremos sistema multiclasificador a un clasificador que construye un conjunto de clasificadores base y combina sus predicciones de alguna forma para obtener la clasificación de un dato.

    Un caso particular de estos sistemas es cuando los clasificadores base se generan para ser especialistas en algún subdominio del problema, de forma que el conjunto de especialistas modelan, en su conjunto, el problema original. En este caso, la clasificación de un dato requiere de la selección del especialista o especialistas que mejor modelan las características del dato, para proceder a la combinación de sus predicciones. Decimos que estos sistemas tienen un mecanismo de selección dinámica de expertos.

    Este trabajo presenta un sistema multiclasificador que genera especialistas en subdominios y utiliza selección dinámica de expertos.

    La generación de expertos se ha planteado desde la perspectiva de sistemas de enjambres, donde los clasificadores base son agentes autónomos que exploran el espacio de datos y se especializan en subzonas del dominio. Se han desarrollado tres modelos con estas características, consiguiendo, en el modelo final, obtener un conjunto de agentes clasificadores que cubren el dominio total del problema. Además, se ha definido un método de reducción del conjunto de expertos que consigue que el conjunto reducido mantenga la propiedad de definir el dominio general.

    Respecto a la clasificación del sistema, se han definido las predicciones de los expertos de forma difusa, lo que permite realizar un análisis completo de sus respuestas.