Clasificador automático de alto desempeño

Abstract

En el presente trabajo de tesis se presenta un nuevo algoritmo de clasificación automática de patrones, el Clasificador Gama, mismo que se ubica dentro del Enfoque Asociativo de Reconocimiento de Patrones. Se incluyen también las definiciones de dos operadores que resultan de gran importancia para la formulación del nuevo algoritmo: el operador uy, sobre todo, el operador gama de similitud, tanto en su versión normal () como en su versión generalizada (g). Asimismo se incluye una versión algorítmica alternativa para el operador gama de similitud generalizado g. Además, se presenta un estudio experimental del desempeño del algoritmo propuesto, comparando su rendimiento de clasificación con el exhibido por otros clasificadores, al trabajar con diversas bases de datos de acceso público. En dichos experimentos se muestra que el algoritmo propuesto es competitivo e, incluso, en algunos casos supera el desempeño mostrado por otros clasificadores de patrones, presentes en la literatura científica contemporánea. Por otro lado, se presentan tres Teoremas y sus correspondientes demostraciones, que permiten caracterizar las relaciones de orden (tricotomía) de vectores binarios codificados con el código Jonson-Möbius modificado. Con este trabajo de tesis se engrosan las filas del Enfoque Asociativo de Clasificación de Patrones, con un algoritmo de alto desempeño que, además de ofrecer una eficacia competitiva, ofrece también una eficiencia superior a varios de los mejores clasificadores actuales. // In the current document of thesis, a new algorithm for automatic pattern classification is presented. This novel algorithm, the Gamma Classifier, is a member of the Associative Approach of Pattern Recognition. Also included are the definitions of two operators which are of great importance for the formulation of the algorithm. These two operators are the uoperator and the gamma similitude operator in both versions: the normal version () as well as the generalized version (g). An alternative algorithmic version of the generalized gamma similitude operator (g) is included too. An experimental study of the proposed algorithm performance is presented. In this study, the classification performance of the Gamma Classifier is compared to that exhibited by other classifiers, while working with different data bases of public domain. It is shown with these experiments that the proposed algorithm is quite competitive, even surpassing the performance of other pattern classifiers, present in contemporary scientific literature. Besides the former, three Theorems and their corresponding Proofs are presented. These Theorems allow characterizing the order relationships (trichotomy) between binary vectors coded with the modified Johnson-Möbius code. With this work of thesis, the number of classifiers belonging to the Associative Approach of Pattern Recognition has been increased, with a high performance algorithm which, besides offering a competitive efficacy, offers also an efficiency superior to some of the best current classifiers.