Técnicas de aprendizaje automático para la clasificación de series

Abstract

En esta tesis se han desarrollado técnicas para la inducción de clasifiacdores sobre series. En primer lugar, se definen predicados que caracterizan propiedades importantes de las series, junto con métodos que permiten su selección. Hay dos tipos de predicados, los que consideran el valor de alguna función en un intervalo y los que tienen en cuenta alguna medida de disimilitud entre series para obtener clasificadores precisos se combinan los mismos mediante boosting. Se presenta un método para utilizar los clasificadores cuando sólo se dispone de series incompletas, ya que hay valores de las mismas que se conocerán en el futuro. Los predicados seleccionados mediante boosting pueden usarse en árboles de decisión para obtener clasificadores más comprensibles o con máquinas de vectores soporte, buscando clasificadores más precisos. La validación experimental ha considerado, entre otros, conjuntos de datos sobre el reconocimiento de hablantes, de dígitos manuscritos, de signos de lenguaje de sordos y de fallos en procesos continuos industriales.