Modelos de aprendizaje basados en programación genética para Clasificación Multi-etiqueta

  1. AVILA JIMENEZ, JOSE LUIS
Zuzendaria:
  1. Sebastián Ventura Soto Zuzendaria
  2. Eva Gibaja Galindo Zuzendaria

Defentsa unibertsitatea: Universidad de Córdoba (ESP)

Fecha de defensa: 2013(e)ko ekaina-(a)k 13

Epaimahaia:
  1. José Ángel Olivas Varela Presidentea
  2. Amelia Zafra Gómez Idazkaria
  3. María José del Jesús Díaz Kidea

Mota: Tesia

Laburpena

El problema de clasificación consiste en asociar una serie de etiquetas a una serie de ejemplos o patrones. En la clasificación clásica a cada patrón de entrenamiento solamente se le puede asociar una sola etiqueta de un conjunto de etiquetas. Por tanto se consideran que los conjuntos de clases objetivo en los que se agruparán los patrones son por definición conjuntos disjuntos. En el caso de la clasificación multi-etiqueta, los conjuntos objetivos no son disjuntos, pudiendo haber patrones a los que se les asocie más de una etiqueta. Por tanto, los ejemplos se asocian a un conjunto de etiquetas y el resultado puede tomar varios valores dentro del conjunto de etiquetas[1]. El objetivo que se plantea en esta tesis es el desarrollo de una serie de modelos de programación genética para resolver problemas de clasificación multi-etiqueta.