Resumen de Comparación de modelos de clasificación automática de patrones texturales de minerales presentes en los carbones colombianos

Jaime Lopez Carvajal, John William Branch Bedoya

• español

  Esta investigación presenta algunos resultados obtenidos bajo diferentes modelos de clasificación de patrones texturales de minerales presentes en imágenes digitales.

  El conjunto de datos utilizado esta caracterizado por un tamaño pequeño y presencia de ruido.

  Los modelos implementados fueron el clasificador Bayesiano, red neuronal (2-5-1), maquina de soporte de vectores (SVM), árbol de decisión y 3-vecinos más cercanos. Los resultados obtenidos luego de la validación cruzada demostraron que el modelo Bayesiano (84%) arrojo la mejor capacidad predictiva, debido principalmente a su robustez frente al ruido. La red neuronal (68%) y la SVM (67%) dieron resultados alentadores, que posiblemente puedan mejorarse al incrementar el tamaño del conjunto de datos; mientras el árbol de decisión (55%) y el k-vecinos (54%) no parecen ser adecuados para este problema, dado su sensibilidad al ruido.

• English

  The automatic classification of objects is a very interesting approach under several problem domains. This paper outlines some results obtained under different classification models to categorize textural patterns of minerals using real digital images. The data set used was characterized by a small size and noise presence. The implemented models were the Bayesian classifier, Neural Network (2-5-1), Support Vector Machine, decision tree and 3-nearest neighbours. The results after applying crossed validation show that the Bayesian model (84%) proved better predictive capacity than the others, mainly due to its noise robustness behaviour. The Neuronal Network (68%) and the SVM (67%) gave promising results, because they could be improved increasing the data amount used, while the decision tree (55%) and k-NN (54%) did not seem to be adequate for this problem, because of their sensibility to noise.