Análisis discriminante utilizando máquinas núcleos de vectores soportefunción núcleo similitud

Resumen

El trabajo aborda el estudio de los problemas de multiclasificación utilizando una nueva herramienta conocida como máquina de vectores soporte (SVM). Se realiza un resumen de los avances en la resolución de estos problemas con la técnica SVM y posteriormente se diseña un nuevo modelo SVM, que se denomina L-SVCR con salida probabilística que resuelve en conjunto de encoverientes que presentan las anteriores SVMs. Para la constitución de la nueva máquina se han estudiado las función núcleos de Merce (uno de los ejes controles de este trabajo), que ha permitido llevar a cabo un estudio del comportamiento de diferentes lineas de investigación de una temática concreta, la Teoria del Aprendizaje Eshedístico. En la implementación práctica de las máquinas núcleos de vectores soporte se ha de destacar: * La riqueza de información práctica que aparte sobre el proceso de clarificación. * Su gran capacidad predictiva. * Proporciona un nuevo mecanismo de desempate en el etiquetado. * La ventaja que supone disponer de una metodología que consigue separse los casos de dificil etiquetado, sobre cuyo pronuncionamiento casi con seguridad se cometería errores.