Resumen de Máquinas de vectores soporte: un enfoque basado en la combinacion de información
Las Máquinas de Vectores Soporte son métodos empleados para la resolución de problemas de clasificación y regresión, Es una técnica basada en la traslación de los datos a un espacio de mayor dimensión que el original mediante el empleo de una función núcleo y la búsqueda de un hiperplano separador en el nuevo espacio. Elegir la función núcleo que define el nuevo espacio es una cuestión sin resolver. En esta tesis abordamos la combinación de una colección de funciones núcleo mediante el empleo de las etiquetas de clase. Los esquemas de combinación que proponemos se basan en la cuantificación de la diferencia de información entre núcleos y en el concepto de combinación funcional de núcleos. En ocasiones la matriz construida pierde ciertas propiedades deseables de toda matriz núcleo. Proponemos métodos para la transformación de matrices que no verifiquen estas propiedades. Nuestras técnicas se basan en la aproximación de una matriz núcleo a otra que no lo sea, sin que la primera pierda la propiedad de ser semidefinida positiva.
Proponemos el método Kernel Procrustes, un esquema de combinación de funciones núcleo homogéneas, alternativo a la media de los núcleos. Realizamos un extenso trabajo experimental sobre colecciones de datos artificiales y reales.
