Las técnicas de clasificación automática se utilizan para organizar individuos u objetos en grupos que describan un conjunto de datos de acuerdo con las
similitudes entre los objetos o individuos [1,2]. Particularmente, la clasificación difusa genera grupos traslapados entre sí, permitiendo que los objetos pertenezcan a varios grupos simultáneamente, con diferentes grados de membresía. Las aplicaciones que tienen los métodos de clasificación son muy amplias e incluyen ramas como el procesamiento de imágenes, el reconocimiento de patrones, el modelamiento matemático, la segmentación del mercado o la generación de reglas en la implementación de un sistema médico de diagnóstico [3]. En esta charla se presentará un método de suavizamiento hiperbólico [4] para la clasificación difusa.
Palabras claves: Clasificaci´on difusa, k−medias, c−medias, suavizamiento hiperb´olico.
Referencias:
[1] Anderberg, M. Cluster Analysis for Applications. Office of the Assistant for Study Support Kirtland AFB N MEX . 1973.
[2] Coletta, L., Vendramin, L., Hruschka, E., Campello, R. & Pedrycz, W. Collaborative Fuzzy Clustering Algorithms: Some Refinements and Design Guidelines. IEEE Transactions on Fuzzy Systems. Vol 20, no 3, 444 – 462, 2012.
[3] Boldeanu, S. Fuzzy Clustering. Faculty of Computer Science, Babes-Bolyai University . RO, 2010.
[4] Xavier, A. The Hyperbolic Smoothing Clustering Method. IPattern Recognition. Vol. 43, no 3, 731 – 737, 2010