Una nueva red neuronal para clustering y segmentación basada en el entorno

Autores
Lanzarini, Laura Cristina; De Giusti, Armando Eduardo
Año de publicación
2000
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Este artículo presenta una nueva red neuronal para clustering y segmentación de los datos o patrones de entrada que, a diferencia de los modelos existentes, no requiere la indicación de parámetros de aceptación dependientes del problema. En la estrategia propuesta se realiza un preprocesamiento de los patrones a clasificar analizando su relación con sus vecinos más próximos según una medida de similitud. De esta manera, se caracterizan los clusters individualmente, facilitando la aplicación de la red y permitiendo obtener una respuesta específica para cada clase. Se muestran resultados de su aplicación en problemas cuyas clases poseen diferentes grados de dispersión, así como en imágenes color, correspondientes a muestras histológicas de tejido hepático , sobre las que se realizan tanto tareas de clustering como de segmentación utilizando el mismo método. La performance de esta nueva propuesta ha sido comparada con una red del tipo winner-take-all (WTA), basada en un único descriptor por clase, ampliamente utilizado en procesos de clustering y con el método CDL que utiliza varios descriptores por clase [2]. Finalmente, se presentan algunas conclusiones así como posibles líneas de trabajo futuras.
I Workshop de Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Neural nets
Clustering
Segmentation
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/23438

id SEDICI_b648c96d9dac725c77cc5c16b5c34f20
oai_identifier_str oai:sedici.unlp.edu.ar:10915/23438
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Una nueva red neuronal para clustering y segmentación basada en el entornoLanzarini, Laura CristinaDe Giusti, Armando EduardoCiencias InformáticasNeural netsClusteringSegmentationEste artículo presenta una nueva red neuronal para clustering y segmentación de los datos o patrones de entrada que, a diferencia de los modelos existentes, no requiere la indicación de parámetros de aceptación dependientes del problema. En la estrategia propuesta se realiza un preprocesamiento de los patrones a clasificar analizando su relación con sus vecinos más próximos según una medida de similitud. De esta manera, se caracterizan los clusters individualmente, facilitando la aplicación de la red y permitiendo obtener una respuesta específica para cada clase. Se muestran resultados de su aplicación en problemas cuyas clases poseen diferentes grados de dispersión, así como en imágenes color, correspondientes a muestras histológicas de tejido hepático , sobre las que se realizan tanto tareas de clustering como de segmentación utilizando el mismo método. La performance de esta nueva propuesta ha sido comparada con una red del tipo winner-take-all (WTA), basada en un único descriptor por clase, ampliamente utilizado en procesos de clustering y con el método CDL que utiliza varios descriptores por clase [2]. Finalmente, se presentan algunas conclusiones así como posibles líneas de trabajo futuras.I Workshop de Agentes y Sistemas Inteligentes (WASI)Red de Universidades con Carreras en Informática (RedUNCI)2000-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/23438spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:55:26Zoai:sedici.unlp.edu.ar:10915/23438Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:55:26.809SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Una nueva red neuronal para clustering y segmentación basada en el entorno
title Una nueva red neuronal para clustering y segmentación basada en el entorno
spellingShingle Una nueva red neuronal para clustering y segmentación basada en el entorno
Lanzarini, Laura Cristina
Ciencias Informáticas
Neural nets
Clustering
Segmentation
title_short Una nueva red neuronal para clustering y segmentación basada en el entorno
title_full Una nueva red neuronal para clustering y segmentación basada en el entorno
title_fullStr Una nueva red neuronal para clustering y segmentación basada en el entorno
title_full_unstemmed Una nueva red neuronal para clustering y segmentación basada en el entorno
title_sort Una nueva red neuronal para clustering y segmentación basada en el entorno
dc.creator.none.fl_str_mv Lanzarini, Laura Cristina
De Giusti, Armando Eduardo
author Lanzarini, Laura Cristina
author_facet Lanzarini, Laura Cristina
De Giusti, Armando Eduardo
author_role author
author2 De Giusti, Armando Eduardo
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Neural nets
Clustering
Segmentation
topic Ciencias Informáticas
Neural nets
Clustering
Segmentation
dc.description.none.fl_txt_mv Este artículo presenta una nueva red neuronal para clustering y segmentación de los datos o patrones de entrada que, a diferencia de los modelos existentes, no requiere la indicación de parámetros de aceptación dependientes del problema. En la estrategia propuesta se realiza un preprocesamiento de los patrones a clasificar analizando su relación con sus vecinos más próximos según una medida de similitud. De esta manera, se caracterizan los clusters individualmente, facilitando la aplicación de la red y permitiendo obtener una respuesta específica para cada clase. Se muestran resultados de su aplicación en problemas cuyas clases poseen diferentes grados de dispersión, así como en imágenes color, correspondientes a muestras histológicas de tejido hepático , sobre las que se realizan tanto tareas de clustering como de segmentación utilizando el mismo método. La performance de esta nueva propuesta ha sido comparada con una red del tipo winner-take-all (WTA), basada en un único descriptor por clase, ampliamente utilizado en procesos de clustering y con el método CDL que utiliza varios descriptores por clase [2]. Finalmente, se presentan algunas conclusiones así como posibles líneas de trabajo futuras.
I Workshop de Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI)
description Este artículo presenta una nueva red neuronal para clustering y segmentación de los datos o patrones de entrada que, a diferencia de los modelos existentes, no requiere la indicación de parámetros de aceptación dependientes del problema. En la estrategia propuesta se realiza un preprocesamiento de los patrones a clasificar analizando su relación con sus vecinos más próximos según una medida de similitud. De esta manera, se caracterizan los clusters individualmente, facilitando la aplicación de la red y permitiendo obtener una respuesta específica para cada clase. Se muestran resultados de su aplicación en problemas cuyas clases poseen diferentes grados de dispersión, así como en imágenes color, correspondientes a muestras histológicas de tejido hepático , sobre las que se realizan tanto tareas de clustering como de segmentación utilizando el mismo método. La performance de esta nueva propuesta ha sido comparada con una red del tipo winner-take-all (WTA), basada en un único descriptor por clase, ampliamente utilizado en procesos de clustering y con el método CDL que utiliza varios descriptores por clase [2]. Finalmente, se presentan algunas conclusiones así como posibles líneas de trabajo futuras.
publishDate 2000
dc.date.none.fl_str_mv 2000-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/23438
url http://sedici.unlp.edu.ar/handle/10915/23438
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615813731975168
score 13.070432