Clasificador basado en Distancia

Presenta: Luis Ricardo Soto Trujillo

* Objetivo General
Obtener un sistema que permita clasificar dichos objetos de modo automtico.

* Objetivos Especficos
Elaborar una tcnica que genere un conjunto mayor de ejemplos de la clase minoritaria.

Rama del conocimiento, de carcter multidisciplinario, cuyo objeto de estudio son los procesos de identificacin, caracterizacin, clasificacin y reconstruccin sobre conjuntos de objetos o fenmenos, as como el desarrollo de teoras, tecnologas y metodologas relacionadas con dichos procesos.

*
En la actualidad existen diversas aplicaciones donde el uso de un clasificador resulta fundamental. La labor bsica de los clasificadores consiste en dividir un conjunto de patrones que poseen ciertas caractersticas en pequeos subconjuntos llamados clases, es decir la clasificacin de un patrn consiste en determinar la regin (clase) a la que pertenece de ese conjunto

Reconocimiento de patrones

Lamentablemente la mayora de los clasificadores existentes a la fecha no cuentan con un rendimiento lo suficientemente alto para ser aplicados a determinadas tareas.

*
Un clasificador puede ser muy til aplicado a tareas cartogrficas (un ejemplo es la creacin de un prototipo actualizado de mapa topogrfico digital). Tambin resulta til en el campo de la ingeniera biomdica, ya sea en el tratamiento de imgenes o en el anlisis y agrupamiento de datos mdicos, cuyo fin ltimo es proporcionar al profesional una ayuda en la toma de decisiones.

*
ETAPAS DEL RECONOCIMIENTO DE PATRONES Dentro del sistema de reconocimiento de patrones, existen una serie de etapas que estn bien definidas: Pre procesado y adquisicin de datos. Definicin de caractersticas. Seleccin y extraccin de caractersticas. Clasificacin.

*
Pre procesado y adquisicin de datos Aqu los patrones son tratados de tal forma que se pueda trabajar de una forma ms sencilla y eficaz. Para ello se trata de eliminar el ruido que se produce por el proceso de adquisicin de los patrones.

Definicin de caractersticas En esta etapa se lleva a cabo la bsqueda de las caractersticas que representen a los patrones para as clasificarlos de la forma ms adecuada. Su propsito es estudiar los descriptores de regin como caractersticas elegidas y verificar su validez.

Seleccin y extraccin de caractersticas La seleccin de caractersticas consiste en remover las caractersticas que definitivamente no aportan informacin a la clasificacin. Con la extraccin de caractersticas lo que se pretende es mejorar el escenario en el que tendr que actuar el clasificador; se trata de trasladar el espacio de patrones a otro de igual o menor dimensin en el que se produzcan las mejoras deseadas.

*
La etapa ms importante del reconocimiento de patrones es la que corresponde a la implementacin de un clasificador.

El proceso de clasificacin se compone de tres fases: La eleccin del modelo Aprendizaje (entrenamiento del clasificador) Verificacin de resultados

*
La base de datos Iris Plant consiste en un grupo de 150 patrones, donde cada uno de estos patrones representa una planta de Iris. Cada patrn contiene cuatro atributos: 1. Longitud del spalo en centmetros 2. Ancho del spalo en centmetros 3. Longitud del ptalo en centmetros 4. Ancho del ptalo en centmetros Esta base de datos se divide en tres clases: Versicolor, Setosa y Virginica. Constando cada clase de 50 patrones cada una.

Bibliografa: Friedman, M. y Kandel, A. (1999). Introduction to Pattern Recognition: Statistical, Structural, Neural and Fuzzy Logic Approaches, volume 32. World Scientic, London.ISBN: 978-9810233129.

Marqus-de S, J. P. (2001). Pattern Recognition, Concepts, Methods and Applications. Springer, Germany.