Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Permalink
Mathematics Subject Classification: 90C90, 90C10, 05C15.
Ver contenido completo en pdf.
Services on Demand
Journal
Article
Indicators
-
Cited by SciELO -
Access statistics
Related links
-
Similars in
SciELO
Share
Revista de Matemática Teoría y Aplicaciones
Print version ISSN 1409-2433
Rev. Mat vol.24 n.1 San José Jan./Jun. 2017
http://dx.doi.org/10.15517/rmta.v24i1.27795
Artículo
Un sistema clasificador utilizando coloración de gráficas suaves
A classifier system using smooth graph coloring
1Universidad Autónoma Metropolitana-Iztapalapa, Posgrado en Ciencias y Tecnologías de la Información, Av. San Rafael Atlixco 186, Col. Vicentina, Del. Iztapalapa, México D.F., C.P., Mexico. E-Mail: jorge.floresc@xanum.uam.mx, plara@xanum.uam.mx, gamma@xanum.uam.mx, cobos@xanum.uam.mx
2Universidad Autónoma Metropolitana-Azcapotzalco, Departamento de Sistemas, Av. San Pablo 180, Colonia Reynosa Tamaulipas, México D.F., C.P. 02200, Mexico. E-Mail: rigaeral@correo.azc.uam.mx
Los clasificadores no supervisados permiten un método de agrupación de forma automatizada. Para ello es deseable agrupar los elementos con un menor procesamiento de datos. Este trabajo propone un sistema clasificador no supervisado que utiliza el modelo de coloración de gráficas suaves. El método se puso a prueba con algunas instancias clásicas de la literatura especializada y se comparan los resultados obtenidos con clasificaciones hechas con clasificadores supervisados, obteniéndose resultados tan buenos o mejores que con los clasificadores más aceptados y utilizados, proporcionando a veces clasificaciones alternativas que muestran información adicional que los humanos no consideraron.
Palabras clave: coloración suave; clasificación no supervisada; clasificación automática; agrupación; optimización
Unsupervised classifiers allow clustering methods with less or no human intervention. Therefore it is desirable to group the set of items with less data processing. This paper proposes an unsupervised classifier system using the model of soft graph coloring. This method was tested with some classic instances in the literature and the results obtained were compared with classifications made with human intervention, yielding as good or better results than supervised classifiers, sometimes providing alternative classifications that considers additional information that humans did not considered.
Keywords: soft coloring; unsupervised classification; clustering; optimization
Referencias
Cheng, J.; Greiner, R. (1999) “Learning theory and language modeling”, in: N. Friedman, M. Goldszmidt & A. Wyner (Eds.) Proceedings of the Fifteenth Conference on Uncertainty in Artificial Intelligence, Morgan Kaufmann, Alberta: 101-108. [ Links ]
Chow, J.H.; Chow, C. (2006) The Encyclopedia of Hepatitis and Other Liver Diseases. Facts On File, New York. [ Links ]
De los Cobos, S.G.; Goddard, J.; Gutiérrez, M.A.; Martínez, A.E. (2010) Búsqueda y Exploración Estocástica. Universidad Autónoma Metropolitana, Ciudad de México. [ Links ]
Demšar, J. (2006) “Statistical comparisons of classifiers over multiple data sets”, Journal of Machine Learning Research 7(Jan): 1-30. [ Links ]
Diestel, R. (2000) Graph Therory. Springer-Verlag, New York. [ Links ]
Fernández, V.; Berradre, M.; Sulbarán, B.; Ojeda, G.; Peña, J. (2009) “Caracterización química y contenido mineral en vinos comerciales venezolanos”, Revista de la Facultad de Agronomía 26(3): 392-396. [ Links ]
GAMS Development Corporation. (2015) “General Algebraic Modeling System”, en: (2015) “General Algebraic Modeling System”, en: http://www.gams.com , consultado el 18/08/2015, 17:30. [ Links ]
Gutiérrez, M.A.; Lara, P.; Lopez, R.; Ramírez, J. (2011) “Heuristics for the robust coloring problem”, Revista de Matemática: Teoría y Aplicaciones 18(1): 137-147. [ Links ]
Jain, A.K.; Murty, M.N.; Flynn, P.J. (1999) “Data clustering: a review”, ACM Computing Surveys (CSUR) 31(3): 264-323. [ Links ]
Joachims, T. (1996) “A probabilistic analysis of the Rocchio algorithm with TFIDF for text categorization”, Dept. of Computer Science, CarnegieMellon Univ., Pittsburgh PA CMU(CS): 96-118. [ Links ]
Lara, P.; Gutiérrez, M.A.; De los Cobos, S.G.; Rincón, E. (2015) “Coloración de gráficas suaves”, Revista de Matemática: Teoría y Aplicaciones 22(2): 1-13. [ Links ]
McAllester, D.; Schapire, R.E. (2002) “Learning theory and language modeling”, in: G. Lakemeyer & B. Nebel (Eds.) Exploring Artificial Intelligence in the New Millenium, Morgan Kaufmann, San Francisco: 271-285. [ Links ]
Montgomery, D.C.; Runger, G.C. (2003) Applied Statistics and Probability for Engineers. John Wiley & Sons, New York. [ Links ]
Moreno, B. (2009) Minería sobre Grandes Cantidades de Datos. Tesis de Maestría, Departamento de Ingeniería Eléctrica, Posgrado en Ciencias y Tecnologías de la Información, Universidad Autónoma Metropolitana, México D.F. [ Links ]
Parzen, E. (1962) “On estimation of a probability density function and mode”, The Annals of Mathematical Statistics 33(3): 1065-1076. [ Links ]
Ripley, B.D. (1996) Pattern Recognition and Neural Networks. Cambridge University Press, Cambridge. [ Links ]
Ritter, G. (2014) Robust Cluster Analysis and Variable Selection. CRC Press, Boca Raton. [ Links ]
Universidad de California en Irvine (2015) “Iris related papers”, en: Universidad de California en Irvine (2015) “Iris related papers”, en: http://archive.ics.uci.edu/ml/datasets/Iris , consultado el 25/11/2015, 12:53. [ Links ]
Universidad de California en Irvine (2015) “UCI machine learning repository”, en: Universidad de California en Irvine (2015) “UCI machine learning repository”, en: http://archive.ics.uci.edu/ml/index.html , consultado el 28/05/2015, 18:18. [ Links ]
Universidad Nicolás Copérnico de Polonia (2010) “Datasets classifier”, en: Universidad Nicolás Copérnico de Polonia (2010) “Datasets classifier”, en: http://www.is.umk.pl/projects/datasets.html , consultado el 23/11/2015, 14:22. [ Links ]
Waterhouse, A. L.; Ebeler, S. E. (1998) Chemistry of Wine Flavor. American Chemical Society, Washington DC. [ Links ]
Weber, T. (2009) “The lower/middle palaeolithic transition. Is there a lower/middle palaeolithic transition?”, Preistoria Alpina 44: 17-24. [ Links ]
Xing, E.P.; Ng, A.Y.; Jordan, M.I.; Russell, S. (2003) “Distance metric learning with application to clustering with side-information”, Advances in Neural Information Processing Systems 15(1): 505-512. [ Links ]
Xu, R.; Wunsch, D. (2005) “Survey of clustering algorithms”, IEEE Transactions on Neural Networks 16(3): 645-678. [ Links ]
Recibido: 03 de Marzo de 2016; Revisado: 26 de Agosto de 2016; Aprobado: 07 de Octubre de 2016
Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons
