Show simple item record

dc.contributor.advisorBenítez Sánchez, José Manuel es_ES
dc.contributor.authorGonzález Castellanos, Mabeles_ES
dc.contributor.otherUniversidad de Granada. Departamento de Ciencias de la Computación e Inteligencia Artíficiales_ES
dc.date.accessioned2017-01-16T10:21:14Z
dc.date.available2017-01-16T10:21:14Z
dc.date.issued2016
dc.date.submitted2016-11-25
dc.identifier.citationGonzález Castellanos, M. Clasificación semi-supervisada de series temporales. Granada: Universidad de Granada, 2016. [http://hdl.handle.net/10481/44303]es_ES
dc.identifier.isbn9788491630432
dc.identifier.urihttp://hdl.handle.net/10481/44303
dc.description.abstractLa presente investigación se centra en el estudio, diseño y evaluación de métodos semi-supervisados de auto-etiquetado para abordar la clasificación de series temporales, considerando las características distintivas implicadas en el tratamiento de este tipo de dato. En ese sentido los objetivos planteados fueron: 1. Efectuar un estudio comparativo experimental entre varios métodos de auto-etiquetado de probada efectividad en aras de identificar cuáles ofrecen mejores resultados en la clasificación de series temporales. 2. Desarrollar un estudio sobre la influencia que ejerce la complejidad de los problemas temporales, desde el punto de vista de la clasificación, en el desempeño de los métodos de auto-etiquetado. 3.Proponer y validar criterios de parada para el algoritmo self-training, orientados al aprendizaje semi-supervisado de una clase, que resulten más efectivos en comparación con los reportados en la literatura. 4. Implementar un paquete de código abierto en lenguaje R para la aplicación de métodos de auto-etiquetado en la solución de problemas de clasificación semi-supervisada.es_ES
dc.description.sponsorshipTesis Univ. Granada. Programa Oficial de Doctorado en: Tecnologías de la Información y la Comunicaciónes_ES
dc.description.sponsorshipProyecto de Investigación de Excelencia de la Junta de Andalucía, P12-TIC-2958" y al \Proyecto de Investigación del Ministerio de Economía y Competitividad, TIN2013-47210-P".es_ES
dc.description.sponsorshipAsociación Universitaria Iberoamericana de Postgrado (AUIP)es_ES
dc.format.mimetypeapplication/pdfen_US
dc.language.isospaes_ES
dc.publisherUniversidad de Granadaes_ES
dc.rightsCreative Commons Attribution-NonCommercial-NoDerivs 3.0 Licenseen_US
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/en_US
dc.subjectAprendizaje automático (Inteligencia artificial)es_ES
dc.subjectInteligencia artificial es_ES
dc.subjectSeries temporales es_ES
dc.subjectAnálisis clusteres_ES
dc.subjectClasificación automáticaes_ES
dc.subjectR (Lenguaje de programación)es_ES
dc.subjectSistemas de información es_ES
dc.titleClasificación semi-supervisada de series temporaleses_ES
dc.typeinfo:eu-repo/semantics/doctoralThesises_ES
dc.subject.udc004.7es_ES
dc.subject.udc025.45es_ES
dc.subject.udc(043.2)es_ES
dc.subject.udc1203es_ES
europeana.typeTEXTen_US
europeana.dataProviderUniversidad de Granada. España.es_ES
europeana.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/en_US
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessen_US


Files in this item

[PDF]

This item appears in the following Collection(s)

  • Tesis
    Tesis leídas en la Universidad de Granada

Show simple item record

Creative Commons Attribution-NonCommercial-NoDerivs 3.0 License
Except where otherwise noted, this item's license is described as Creative Commons Attribution-NonCommercial-NoDerivs 3.0 License