Resumo

SOTO, CARLOS  e  JIMENEZ, CLAUDIA. APRENDIZAJE SUPERVISADO PARA LA DISCRIMINACIÓN Y CLASIFICACIÓN DIFUSA. Dyna rev.fac.nac.minas [online]. 2011, vol.78, n.169, pp.26-33. ISSN 0012-7353.

El objetivo del presente artículo es proponer un nuevo método de análisis discriminante difuso, que hace uso de la estrategia de aprendizaje supervisado y utiliza la distancia euclidiana como medida de disimilitud. Las fórmulas que se proponen permiten resolver problemas de discriminación y clasificación de objetos en categorías que no pueden ser definidas con precisión pues tienen algún grado de solapamiento. Se utiliza una base de datos de referencia ampliamente utilizada en Reconocimiento de Patrones para ilustrar el método propuesto. Se presentan las superficies resultantes de graficar las funciones de pertenencia de categorías difusas para varios ejemplos. Luego, se compara el método propuesto con el discriminante lineal de Fisher para mostrar que la curva de nivel con grado de pertenencia 0.5 coincide con el discriminante lineal de Fisher, en análisis para dos categorías. Finalmente, se concluye que la técnica propuesta es fácil de aplicar y eficiente computacionalmente.

Palavras-chave : Discriminación y Clasificación Difusa; Análisis Discriminante Difuso; Aprendizaje Supervisado; Lógica Difusa, Minería de Datos..

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )