| dc.contributor.advisor | Barrio Tellado, Eustasio del | es |
| dc.contributor.author | García Vázquez, Sara | |
| dc.contributor.editor | Universidad de Valladolid. Facultad de Ciencias | es |
| dc.date.accessioned | 2020-12-02T17:33:20Z | |
| dc.date.available | 2020-12-02T17:33:20Z | |
| dc.date.issued | 2020 | |
| dc.identifier.uri | http://uvadoc.uva.es/handle/10324/43819 | |
| dc.description.abstract | En este trabajo se describen y comparan diferentes métodos para la descomposición,
aproximación y completado de matrices que se han desarrollado a lo largo de los últimos
años, además de justificar el por qué estos métodos son tan altamente eficientes y producen
tan buenos resultados. Se dedica especial atención a analizar e implementar un algoritmo
de completado de matrices y otro que se puede interpretar como un tipo de componentes
principales robustas. Estos dos algoritmos se basan en métodos de optimización convexa.
Además, se explica la aplicación de estos algoritmos al desafío Netflix y a la detección de
movimiento en videovigilancia. | es |
| dc.format.mimetype | application/pdf | es |
| dc.language.iso | spa | es |
| dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.subject.classification | Machine learning | es |
| dc.subject.classification | PCA | es |
| dc.subject.classification | Algoritmos de optimización convexa | es |
| dc.title | Métodos de regularización para aproximación y completado de matrices. Componentes principales robustas | es |
| dc.type | info:eu-repo/semantics/bachelorThesis | es |
| dc.description.degree | Grado en Estadística | es |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 Internacional