{"id":2672,"date":"2022-08-13T19:41:08","date_gmt":"2022-08-13T19:41:08","guid":{"rendered":"https:\/\/pcyti.izt.uam.mx\/?p=2672"},"modified":"2022-08-13T19:41:08","modified_gmt":"2022-08-13T19:41:08","slug":"analisis-de-varianza-para-determinar-el-numero-optimo-de-clases-en-clasificadores-no-supervisados-usando-graficas-suaves","status":"publish","type":"post","link":"https:\/\/pcyti.izt.uam.mx\/?p=2672","title":{"rendered":"An\u00e1lisis de varianza para determinar el n\u00famero \u00f3ptimo de clases en clasificadores no supervisados usando gr\u00e1ficas suaves."},"content":{"rendered":"\n

 Descargar versi\u00f3n PDF<\/a><\/p>\n\n\n\n

Profesores<\/strong>: Dr. Pedro Lara Vel\u00e1zquez<\/a> y Dr. Sergio Gerardo de los Cobos Silva<\/a><\/p>\n\n\n\n

Resumen<\/strong>: La coloraci\u00f3n de gr\u00e1ficas suaves es una generalizaci\u00f3n del problema de coloraci\u00f3n en el que se busca encontrar una coloraci\u00f3n que minimice la dureza en la gr\u00e1fica, o dicho de otra forma, reducir la suma de distancias entre v\u00e9rtices con colores id\u00e9nticos (Lara-Vel\u00e1zquez, et al., 2015). Este modelo se utiliza en la programaci\u00f3n de eventos susceptibles de cambios, asignaci\u00f3n estable de frecuencias del espectro electromagn\u00e9tico, calendarizaci\u00f3n de actividades, asignaci\u00f3n de recursos en organizaciones, en reconocimiento de patrones en general y en particular en un algoritmo clasificador no supervisado (Flores, 2017). Se ha demostrado que es un problema de tipo NP-Duro, aunque para grafos de orden menor o igual a 20, se pueden utilizar algoritmos exactos que resuelven el problema; caso contrario es necesario el uso de t\u00e9cnicas heur\u00edsticas (De los Cobos, 2010) que dan buenas soluciones.<\/p>\n\n\n\n

El objetivo de este proyecto es formalizar este proceso haciendo uso del an\u00e1lisis de varianza en los resultados de resiliencia. Cuando se tienen todos los valores posibles, se puede hacer un an\u00e1lisis de varianza de las resiliencias candidatas y determinar si todas pertenecen a la misma poblaci\u00f3n (no hay una cantidad \u00f3ptima de clases por utilizar) Y concluir que los datos carecen de estructura, o bien se puede descomponer en dos o m\u00e1s poblaciones (la poblaci\u00f3n importante es para nosotros el conjunto de elementos con mayor resiliencia).<\/p>\n\n\n\n

Objetivo general<\/strong><\/p>\n\n\n\n