Mostrar el registro sencillo del ítem

dc.contributor.advisorMoreno Ruiz, Lorenzo 
dc.contributor.advisorEstévez Damas, José Ignacio 
dc.contributor.authorAlayón Miranda, Silvia 
dc.date.accessioned2018-12-27T10:05:49Z
dc.date.available2018-12-27T10:05:49Z
dc.date.issued2003
dc.identifier.urihttp://riull.ull.es/xmlui/handle/915/12142
dc.description.abstractSe utilizan algoritmos genéticos para diseñar sistemas borrosos recurrentes destinados a formar parte de un sistema de reconocimiento de patrones. El problema investigado es la aplicación de los sistemas borrosos recurrentes en la clasificación de series de datos. Los sistemas borrosos recurrentes empleados son máquinas finitas de estados borrosas. Los algoritmos genéticos ajustan los parámetros de estas máquinas. En concreto, se han utilizado los algoritmos genéticos en el contexto de los sistemas clasificadores, y se han implementado dos algoritmos distintos bajo esta filosofía de sistemas: un algoritmo tipo Pittsburgh y un algoritmo tipo Michigan. Se han realizado una gran variedad de experimentos de validación donde el objetivo es comprobar la capacidad de clasificación de la máquina finita de estados borrosa encontrada con algoritmos de búsqueda tipo Pittsburgh o tipo Michigan sobre series de datos procedentes de modelos ocultos de Markov. Estos resultados de clasificación se han comparado con los resultados de un algoritmo de referencia ya establecido para estos sistemas: el algoritmo de Baum-Welch. Estos experimentos demostraron la capacidad de aprendizaje y la capacidad de clasificación de los sistemas desarrollados. Por último, se realizó una aplicación práctica en la que se aplica la metodología propuesta sobre la clasificación de series de datos reales. En concreto, se intenta caracterizar núcleos celulares de imágenes médicas de citologías para su posterior clasificación en dos categorías: sano/patológico. Para tal fin, se contó con la colaboración de un experto del dominio. Se realizaron diversos experimentos sobre distintos tipos de citologías: citologías de tejido de mama, citologías peritoneales y citologías de pleura. La característica bajo estudio que se extrae de los núcleos que se desea clasificar es la distribución de cromatina en los mismos. Se diseño una medida original, sencilla y específica que recoge esta información relativa a la naturaleza del núcleo. Esta medida es una serie de datos que constituye la entrada al sistema clasificador borroso propuesto. Tras analizar los resultados de clasificación obtenidos se pudo comprobar la validez de la medida escogida así como la validez de la metodología propuesta. Además, se realizó una comparativa de resultados con otros sistemas de clasificación, como por ejemplo, métodos borrosos de clustering y redes neuronales. Esta compartiva refleja que el sistema borroso propuesto presenta una mayor capacidad de generalización. Por último, comentar que se realizó una evaluación de todos estos clasificadores bajo el punto de vista del diagnóstico médico con el análisis ROC. En todos los casos estudiados, las curvas ROC para los clasificadores borrosos resultaron ser mejores.es_ES
dc.format.mimetypeapplication/pdf
dc.language.isoes
dc.publisherUniversidad de La Laguna, Servicio de Publicacioneses_ES
dc.rightsLicencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 internacional)
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es_ES
dc.titleDiseño de sistemas borrosos recurrentes mediante estrategias evolutivas y su aplicación al análisis de señales y reconocimiento de patroneses_ES
dc.typeinfo:eu-repo/semantics/doctoralThesis
dc.subject.keywordReconocimiento de formases_ES
dc.subject.keywordProcesado de señaleses_ES
dc.subject.keywordConjuntos borrososes_ES


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

  • TD. Ciencias
    Tesis de Matemáticas, Física, Química, Biología, etc.

Mostrar el registro sencillo del ítem

Licencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 internacional)
Excepto si se señala otra cosa, la licencia del ítem se describe como Licencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 internacional)