Máquinas asociativas alfa-beta con soporte vectorial

Abstract

En este trabajo de tesis se presenta un nuevo modelo de reconocimiento automático de patrones, las Máquinas Asociativas Alfa-Beta con Soporte Vectorial, mismo que se ubica dentro del Enfoque Asociativo de Reconocimiento de Patrones. Este modelo nace al fusionar algunos elementos teóricos de las memorias asociativas Alfa-Beta con algunos elementos tomados de las Support Vector Machines, originando a su vez varias transformadas matemáticas novedosas. Además, se presenta un estudio experimental del desempeño del algoritmo propuesto, comparando su rendimiento de clasificación con el exhibido por otros reconocedores de patrones, al trabajar con diversas bases de datos de acceso público. En dichos experimentos se muestra que el modelo propuesto exhibe resultados competitivos con respecto a algunos de los algoritmos más ampliamente conocidos, presentes en la literatura científica contemporánea, al aplicarse al reconocimiento de dígitos escritos a mano; en particular de la base de datos MNIST. Con este trabajo de tesis se engrosan las filas del Enfoque Asociativo de Clasificación de Patrones, con un modelo de alto desempeño que ofrece una eficacia competitiva, además de ser robusto ante patrones modificados con alteraciones mezcladas. // In the current document of thesis, a new model for automatic pattern recognition is presented. This new model, the Alpha-Beta Associative Support Vector Machines, is a member of the Associative Approach of Pattern Recognition. This model arises when some theoretical elements from the Alpha-Beta associative memories are merged with some theoretical elements taken from Support Vector Machines, giving also birth to several new mathematical transforms. An experimental study of the proposed algorithm performance is presented. In this study, the classification performance of the Alpha-Beta Associative Support Vector Machines is compared to that exhibited by other classifiers, while working with different data bases of public domain. In particular, when applied to handwritten digits recognition (namely in the MNIST database) the Alpha-Beta Associative Support Vector Machines exhibit competitive results against some of the most widely known algorithms currently available in scientific literature. With this work of thesis, the number of models belonging to the Associative Approach of Pattern Recognition has been increased, with a high performance model which offers a very competitive efficacy, besides being robust against patterns modified with mixed alterations.