clasificación automática

Top PDF clasificación automática:

Aplicación de un modelo de analítica de texto para la detección y clasificación automática de tendencias de investigación en e Learning (caso UOC)

Aplicación de un modelo de analítica de texto para la detección y clasificación automática de tendencias de investigación en e Learning (caso UOC)

La evaluación se siguió confrontando en diferentes iteraciones, la muestra de entrenamiento previamente etiquetada por el equipo de autores del informe con los modelos de clasificación definidos. Fruto de estas iteraciones se fueron desarrollando los modelos de clasificación. De manera paralela, se confrontaron estos mismos modelos con la muestra de test, con la intención de calcular la eficiencia real de los modelos de clasificación, y con el total de artículos de la muestra para extraer conclusiones comparativas entre la clasificación automática y la etiquetada manualmente. La comparación se efectuó para cada una de las categorías (temática, metodología y etapa educativa) a niveles de título+abstract (ver tablas de clasificación 1-3) y del total del cuerpo del artículo. En cada una de ellas se midió la ​ Precisión y Recuperación ​ (o exhaustividad) de los resultados entendidos como cuán “útiles” son los valores recuperados en la búsqueda - ​ Precision ​ - y cuán completos son estos - ​ Recall ​ - [3].
Mostrar más

16 Lee mas

Clasificación automática de cubiertas terrestres en imágenes satelitales

Clasificación automática de cubiertas terrestres en imágenes satelitales

Gracias a su formato digital es posible aplicar sobre ellas procedimientos matemáticos para la clasificación automática de grandes superficies. De esta manera, las imágenes son procesadas a través de algoritmos para asignar a cada pixel un tipo de cobertura de la tierra. Sin embargo, se debe tener en cuenta que durante el proceso de captura, la energía recibida por el sensor, proveniente de la superficie terrestre, sufre alteraciones debido a la presencia de la atmósfera entre el sol, la superficie terrestre y el sensor, es decir que éste recibe una porción de la energía reflejada por la superficie. Esto provoca que sea necesario realizar una serie de correcciones para atenuar las alteraciones y descartar errores introducidos por las mismas.
Mostrar más

10 Lee mas

Aplicación de Sistemas Inteligentes para la Clasificación Automática de Documentos

Aplicación de Sistemas Inteligentes para la Clasificación Automática de Documentos

En el segundo capítulo se realiza la recopilación de diferentes conceptos y definiciones que es de mucha importancia a lo largo de toda la investigación, como la metodología de investigación, inteligencia artificial, sistemas inteligentes, redes neuronales, percep- trón, perceptrón multicapa, backpropagation., también se define definiciones de clasi- ficación automática de documentos, así como su representación vectorial y el centroide del conjunto de palabras, similitud aplicando métodos de clasificación automática de documentos, también describimos los tipos de documentos y por último como concep- tos finales, consideramos a los gestores, plataformas y lenguajes que utilizaremos así como MySQL Workbench 8.0, NeatBeans IDE 8.2, Java y Joone.
Mostrar más

95 Lee mas

Clasificación automática de objetos utilizando sistemas inteligentes

Clasificación automática de objetos utilizando sistemas inteligentes

Existen trabajos clasificación automática orientados a tópicos específicos como la clasificación automática de documentos aplicando algoritmos genéticos. En particular, el análisis de cluster ha sido estudiado en estadística y en biología, siendo muy similar al estudio de formación de conceptos en aprendizaje automático. En este sentido, se considera que los estudios acerca del análisis de clusters pueden orientar las investigaciones en aprendizaje automático en esa área con las restric- ciones de la atribución de significación como carácter inherente de los seres humanos. [Pozo, 1994] Pero, en el sentido propuesto, no se han encontrado trabajos previos orientados a este tipo de aplica- ciones con vistas a la generalización de las soluciones.
Mostrar más

5 Lee mas

Clasificación automática de movimientos con señales HD FMG

Clasificación automática de movimientos con señales HD FMG

8 En el caso del trabajo de [6] los participantes realizaron 3 conjuntos de movimientos entre los cuales hay 16 gestos de agarre, 16 gestos del lenguaje de señas y 16 movimientos individuales de manos y dedos. Para este experimento fueron utilizados dos tipos de sensores uno para sEMG y otro para FMG los cuales fueron colocados en las posiciones de la muñeca y el codo alternando estos en cada prueba [6]. Los datos obtenidos de las señales FMG fueron utilizados para la clasificación sin extraer ningún rasgo de estos y a los datos de las señales sEMG se le extrajeron algunos rasgos como el valor medio absoluto, longitud de onda, longitud de Wilson, entre otros [6]. Para el proceso de clasificación se utilizó LDA, donde la precisión de FMG alcanzó valores entre 96.7% y 98.3% siendo estos superiores a los de sEMG los cuales estuvieron entre 84.6% y 90.9% [6].
Mostrar más

87 Lee mas

Clasificación automática de neuronas reconstruidas a partir de sus rasgos morfológicos

Clasificación automática de neuronas reconstruidas a partir de sus rasgos morfológicos

Algunas características morfológicas fueron sorprendentemente eficaces para la clasificación automática como es el caso de análisis clásico de Sholl [53] con intervalos de 300 µm en axones [49] [50] [52] y los intervalos de 50-100 µm para dendritas [49] [51]. Otras características morfológicas relevantes fueron el área de la envolvente convexa de las dendritas [54], volumen, área de superficie [51] y la relación entre la longitud dendrítica al área de superficie [49]. Un reciente estudio incluyó varias líneas transgénicas en un análisis de 363 células ganglionares de la retina de ratón [55]. Estructuras de árboles de dendritas en 3D de coordenadas voxel fueron diferenciadas por agrupación jerárquica con la distancia euclidiana. El corte de agrupamiento fue elegido como el nivel más bajo que correctamente agrupó los fuertemente definidos tipos genéticos, evaluando la fiabilidad con el método de validación cruzada dejando uno fuera. Se identificaron quince clases, seis de las cuales esperan una identificación genética más exacta. La incorporación de más de 100 parámetros morfométricos del software L_measure [26] en el conjunto de herramientas Farsight [25] ayudó a tratar de clasificar automáticamente una base de datos de 1230 neuronas de roedores de múltiples fuentes [56]. La amplia muestra no uniforme ofreció grupos neuronales de consistencia limitada, pero las características morfológicas útiles sin embargo, permitieron una clasificación exitosa en casos seleccionados. En una línea similar, los árboles dendríticos de más de 5000 neuronas provenientes de la base de datos NeuroMorpho.org fueron clasificados por un modelo basado en la agrupación no supervisada con expectativa de maximización después de la reducción de dimensionalidad morfométrica mediante el análisis de componentes principales [57]. Las combinaciones específicas de medidas relacionadas con la densidad de ramificación, tamaño total, tortuosidad, ángulos de bifurcación, cuán plano es el árbol y la asimetría topológica capturadas anatómicamente son características dendríticas funcionalmente relevantes en una amplia diversidad de especies y regiones del cerebro. Enfoques similares permitieron la identificación automática de fenotipos estructurales "extrema" entre especies y regiones cerebrales [58].
Mostrar más

98 Lee mas

Diseño del proceso tecnológico para clasificación automática de contenedores de R.S. M.

Diseño del proceso tecnológico para clasificación automática de contenedores de R.S. M.

Las ventajas que se obtienen de este sistema son: facilidad de añadir o cambiar el número de estaciones de clasificación en el futuro, mejora en la clasificación y reciclado en la planta de tratamiento de residuos, fácil reciclado de residuos desde el origen., reduce la cantidad de residuos mezclados, menor trabajo de limpieza de los contenedores y trabajos de mantenimiento, uso eficiente del volumen de contenedores, el uso de un solo contenedor para todos los tipos de residuos, reducción del uso de camiones de basura, pues ya no es necesaria la utilización de varios camiones de recogida para cada tipo de material y la reducción de las emisiones de CO2, reutilización de las bolsas [4].
Mostrar más

138 Lee mas

Clasificación automática de voces patológicas

Clasificación automática de voces patológicas

En este trabajo el algoritmo escogido fue J48 que permite trabajar con valores continuos para los atributos, separando los posibles resultados en dos ramas, genera un árbol de decisión a partir de los datos mediante particiones realizadas recursivamente, según la estrategia de profundidad. Se construye iterativamente al ir agregando nodos o ramas que minimicen la diferencia entre los datos. Hay que mencionar que el análisis de clasificación basados en árboles de decisión que realizan los sistemas son técnicas de explotación de datos que consisten en estudiar grandes masas de datos con el fin de descubrir patrones no triviales. Este algoritmo es un descendiente del ID3 y se extiende en el sentido de su capacidad de utilizar atributos numéricos y vacíos para generar reglas del árbol. Con el propósito de clasificación de una nueva instancia, J48 prueba cada uno de los valores del atributo de acuerdo con su estructura hasta que encuentra una hoja, la cual contiene los valores de la clase para cada instancia [10].
Mostrar más

67 Lee mas

Reconocimiento automático de patrones . Análisis y clasificación automática de series temporales

Reconocimiento automático de patrones . Análisis y clasificación automática de series temporales

considerada a su vez como la que trata de obtener la representación más fiel del fenómeno estudiado, y un módulo que permite extraer las características del mismo. La línea de investigación propuesta está enfocada en la segunda y tercera etapa. Los métodos utilizados en reconocimiento de patrones se dividen en dos grandes categorías clasificación supervisada y clasificación no supervisada. El tipo de objetos o fenómenos considerados en esta línea de trabajo pueden ser descriptos por un conjunto de características numéricas que definen patrones en un espacio n- dimensional. Por lo tanto el análisis de las distribuciones estadísticas de cada clase y los métodos de estimación de parámetros, permiten definir estrategias de diseño, evaluar y especificar los métodos de clasificación.
Mostrar más

5 Lee mas

Clasificación automática de evoluciones médicas multiclases en español

Clasificación automática de evoluciones médicas multiclases en español

En este trabajo utilizamos córpora no tan grandes a los fines de la comparación (en particular por los tiempos de la red, y la complejidad y longitud de las evoluciones). En trabajos futuros la idea es colectar un conjunto grande de datos para la aplicación y ajuste del método seleccionado de modo que la clasificación obtenida por esta metodología sirviera como entrada a los servicios de terminología para levantar eventuales alarmas sobre el problema asociado a cada evolución. Otros aspectos a desarrollar podrían ser el uso de otras representaciones de datos como como n-gramas y extender este estudio para otros tipos de problemas.
Mostrar más

10 Lee mas

CLASIFICACIÓN AUTOMÁTICA DE FUENTES DE RUIDO DE TRÁFICO

CLASIFICACIÓN AUTOMÁTICA DE FUENTES DE RUIDO DE TRÁFICO

La última revisión de la norma ISO 1996:2007 exige el cuenteo del número de vehículos y su clasificación en al menos dos clases, durante el proceso de medida de la emisión de ruido de un ramo de carretera. Para probar el sistema de clasificación se ha optado por seguir dos estrategias. En primer lugar se ha utilizado únicamente dos clases: vehículos pesados y vehículos ligeros, agrupando en esta última a motocicletas y coches. La tabla 1 muestra los resultados en este caso. Para las pruebas se utilizó un k_NN con k=3 y el FLD. Puede observarse en la tabla, como en ambos casos la SBER presenta los mejores resultados, dándose la menor tase de error para FLD (10.17 %).
Mostrar más

11 Lee mas

Caracterización automática de especies de madera mediante técnicas de clasificación de imágenes

Caracterización automática de especies de madera mediante técnicas de clasificación de imágenes

Eligiendo como criterio de clasificación la mínima distancia, Haley y Manjunath se han basado en las características de escala, frecuencia de rotación e índice de correla- ción obtenidas al utilizar un filtro de Gabor para imágenes rotadas en pasos de 30 o [23]; Akhloufi et al. en la distancia global de textura de las probabilidades de coocurrencia de los niveles de gris de las bandas de color de las imágenes[24]; Kashyap y Khotanzad en las características obtenidas por aplicación de un modelo autorregresivo de simetría circular a los grados de rugosidad y direccionalidad estimados por mínimos cuadrados de diferentes divisiones de las imágenes y distintas rotaciones de las mismas [25]; Chellappa y Chatterjeea en las extraídas mediante modelos aleatorios de campos de Gauss–Markov [26], sirviendo el mismo criterio a Porter y Canagarajah para comparar los resultados obtenidos con éstas y las que resultan de aplicar filtros de Gabor con simetría circular o la transformada ‘wavelet’ a cada una de las particiones de la imagen original [27]. Tam- bién Rivazhagan et al. han utilizado los clasificadores de mínima distancia para comparar las características obtenidas con bancos de filtros de Gabor con las estadísticas y las de coocurrencia de niveles de gris a partir de las imágenes a las que se les ha aplicado la transformada ‘wavelet’ [28].
Mostrar más

138 Lee mas

TítuloHerramienta automática para el análisis y clasificación de imágenes de capilaroscopia del lecho ungueal

TítuloHerramienta automática para el análisis y clasificación de imágenes de capilaroscopia del lecho ungueal

El objetivo de este trabajo es desarrollar una metodología que realice un diagnóstico ba- sándose en capilaroscopias. Primero, se desarrollará un método para la detección automática de los capilares sanguíneos en las imágenes mediante aprendizaje automático. Luego, se di- señará un algoritmo que realice el conteo y el análisis de la morfología de los vasos para, finalmente, poder clasificarlos en capilares sanos y capilares anómalos. Para integrar y facilitar el uso de este proyecto a un público más general, se creará una aplicación web que implemen- te la metodología desarrollada. A esta aplicación se le enviarán las imágenes que se tomen de los pacientes. De esta forma, los expertos sólo tendrían que enviar las imágenes a la aplicación y ésta les informaría del posible diagnóstico. La aplicación también actuará como un gestor de pacientes: cada experto podrá añadir pacientes nuevos, modificar sus datos y guardarlos junto con las imágenes tomadas de cada uno de ellos en una base de datos.
Mostrar más

102 Lee mas

Show all 4438 documents...