Resumen

ALDAPE-PEREZ, Mario; YANEZ-MARQUEZ, Cornelio; CAMACHO-NIETO, Oscar  y  FERREIRA-SANTIAGO, Ángel. Selección de características utilizando el paradigma de memoria asociativa y computación paralela. Comp. y Sist. [online]. 2013, vol.17, n.1, pp.41-52. ISSN 2007-9737.

El rendimiento en la mayoría de los clasificadores de patrones se mejora cuando las características redundantes o irrelevantes son eliminadas. Sin embargo, esto se logra a través de la construcción de clasificadores sucesivos o mediante algoritmos iterativos que implican altos costos computacionales. Este trabajo muestra la aplicación del paradigma de memoria asociativa y la computación paralela para realizar tareas de selección de características. Este enfoque utiliza las memorias asociativas para obtener el valor de una máscara que identifica claramente la información irrelevante o redundante para fines de clasificación. El desempeño del algoritmo propuesto es validado a través de la comparación de la precisión predictiva alcanzada por este modelo contra el desempeño alcanzado por otros algoritmos reconocidos en la literatura actual. Los resultados experimentales muestran que las memorias asociativas pueden ser implementadas en infraestructura de computo paralelo, reduciendo los costos computacionales necesarios para encontrar el subconjunto óptimo de características de maximiza el desempeño de clasificación.

Palabras llave : Selección de características; memorias asociativas; clasificación de patrones.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )