Resumen

VILLUENDAS-REY, Yenny  y  GARCIA-LORENZO, Maria Matilde. Attribute and Case Selection for NN Classifier through Rough Sets and Naturally Inspired Algorithms. Comp. y Sist. [online]. 2014, vol.18, n.2, pp.295-311. ISSN 2007-9737.  https://doi.org/10.13053/CyS-18-2-2014-033.

La clasificación supervisada constituye una de las áreas de investigación más activas dentro de la Inteligencia Artificial. La regla del vecino más cercano (NN) es una de las más simples y efectivas para la clasificación supervisada. El pre-procesamiento del conjunto de entrenamiento es esencial para obtener clasificaciones de alta calidad. En este artículo se introduce un nuevo algoritmo de selección de atributos y casos que utiliza un enfoque híbrido basado en los Conjuntos Aproximados y los algoritmos inspirados en la naturaleza para mejorar el desempeño de clasificadores NN. El algoritmo propuesto permite el manejo de conjuntos de datos mezclados, incompletos, y no balanceados. El desempeño de dicho algoritmo se analizó utilizando bases de datos de repositorio, mostrando una alta eficacia del clasificador, utilizando solamente pocos casos y atributos.

Palabras llave : Vecino más cercano; selección de casos; selección de atributos.

        · resumen en Español | Inglés     · texto en Inglés     · Inglés ( pdf )