RT info:eu-repo/semantics/bachelorThesis
T1 Implementación de técnicas para análisis cluster robusto en torno a subespacios afines
A1 Fernández Iglesias, Jesús
A2 Universidad de Valladolid. Facultad de Ciencias
K1 Análisis cluster
K1 Subespacios afines
K1 C++
AB La constante generación de conjuntos de datos masivos que se produce en la actualidad haprovocado que el desarrollo de técnicas de aprendizaje automático capaces de extraer conocimiento útil de dicha información sea un campo del conocimiento en auge y en constante desarrollo.En muchos de estos problemas, las observaciones no tienen asociadas ningún tipo de etiqueta, categoría o clase, únicamente se dispone de los propios datos. Por tanto, la búsqueda de patrones ocultos en los mismos se torna una tarea fundamental.Con ese fin el paradigma de aprendizaje no supervisado ofrece una amplia gama de procedimientos que permiten el estudio y agrupación de objetos en base a sus similitudes.En la intersección de la incesante creación de conjuntos de datos enormes y el aprendizaje no supervisado surge la necesidad de desarrollar e implementar procedimientos computacionalmente eficientes para poder aplicar estas técnicas de aprendizaje no supervisado y en particular de la aplicación de técnicas de análisis cluster.En este trabajo se estudia y se desarrollan versiones computacionalmente eficientes de un procedimiento de análisis cluster robusto entorno a subespacios afines. Un enfoque robusto al análisis cluster evita que unas pocas observaciones atípicas pueden condicionar de manera muy negativa la detección correcta de clusters. La metodología desarrollada examina varias opciones de implementación, explorando el enfoque secuencial, el paralelizado y el híbrido sacando partido a varios lenguajes de programación, además de realizar los correspondientes análisis de eficiencia computacional para determinar qué versión es la más adecuada.Además, un ejemplo de aplicación real del procedimiento desarrollado es mostrado en el ámbitode la segmentación de imágenes.
YR 2021
FD 2021
LK https://uvadoc.uva.es/handle/10324/50485
UL https://uvadoc.uva.es/handle/10324/50485
LA spa
DS UVaDOC
RD 03-mar-2025