Classification rules obtained from dynamic self-organizing maps

La obtención de conocimiento a partir de la información existente es un proceso no trivial que consiste en identificar patrones válidos, novedosos, potencialmente útiles y comprensibles a partir de los datos disponibles. La Minería de Datos es el área de la Informática referida a la aplicación de di...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Hasperué, Waldo, Lanzarini, Laura Cristina
Formato:	Objeto de conferencia
Lenguaje:	Inglés
Publicado:	2006
Materias:	Ciencias Informáticas Clustering mapas auto-organizativos extracción de reglas Neural nets Data mining self-organizing maps rule extraction
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/22655
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-22655
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Inglés
topic	Ciencias Informáticas Clustering mapas auto-organizativos extracción de reglas Neural nets Data mining self-organizing maps rule extraction
spellingShingle	Ciencias Informáticas Clustering mapas auto-organizativos extracción de reglas Neural nets Data mining self-organizing maps rule extraction Hasperué, Waldo Lanzarini, Laura Cristina Classification rules obtained from dynamic self-organizing maps
topic_facet	Ciencias Informáticas Clustering mapas auto-organizativos extracción de reglas Neural nets Data mining self-organizing maps rule extraction
description	La obtención de conocimiento a partir de la información existente es un proceso no trivial que consiste en identificar patrones válidos, novedosos, potencialmente útiles y comprensibles a partir de los datos disponibles. La Minería de Datos es el área de la Informática referida a la aplicación de diferentes métodos para la obtención de patrones y modelos. Una de las soluciones más utilizadas se basa en estrategias adaptativas no supervisadas que permitan clasificar la información disponible. En esta dirección, las redes neuronales competitivas dinámicas han demostrado ser capaces de brindar buenos resultados. Sin embargo, su aplicación en el área de la Minería de Datos se encuentra limitada por su funcionamiento tipo “caja negra” donde resulta complejo justificar el conocimiento adquirido. Este artículo propone una nueva estrategia para obtener reglas de clasificación a partir de una red neuronal competitiva dinámica entrenada con el método AVGSOM. Dicho método ha sido seleccionado en base a su capacidad para preservar la topología de los datos de entrada, característica fundamental para obtener los hipercubos iniciales adecuados. La estrategia desarrollada en este trabajo combina la capacidad del aprendizaje no supervisado del AVGSOM con información disponible del problema para reducir la dimensión del antecedente de las reglas. El método propuesto ha sido aplicado a tres conjuntos de datos obtenidos del repositorio UCI con resultados muy satisfactorios. En particular, los resultados obtenidos en la clasificación de la base de datos Iris han sido comparados con otros métodos existentes mostrando la superioridad del nuevo método propuesto. Finalmente se presentan algunas conclusiones así como algunas líneas de trabajo futuras.
format	Objeto de conferencia Objeto de conferencia
author	Hasperué, Waldo Lanzarini, Laura Cristina
author_facet	Hasperué, Waldo Lanzarini, Laura Cristina
author_sort	Hasperué, Waldo
title	Classification rules obtained from dynamic self-organizing maps
title_short	Classification rules obtained from dynamic self-organizing maps
title_full	Classification rules obtained from dynamic self-organizing maps
title_fullStr	Classification rules obtained from dynamic self-organizing maps
title_full_unstemmed	Classification rules obtained from dynamic self-organizing maps
title_sort	classification rules obtained from dynamic self-organizing maps
publishDate	2006
url	http://sedici.unlp.edu.ar/handle/10915/22655
work_keys_str_mv	AT hasperuewaldo classificationrulesobtainedfromdynamicselforganizingmaps AT lanzarinilauracristina classificationrulesobtainedfromdynamicselforganizingmaps
bdutipo_str	Repositorios
_version_	1764820466176884736

Classification rules obtained from dynamic self-organizing maps

Ejemplares similares