Mostrar el registro sencillo del ítem

dc.contributor.authorDe-La-Hoz-Franco, Emirospa
dc.contributor.authorDe la Hoz Correa, Eduardo Miguelspa
dc.contributor.authorOrtiz, Andrésspa
dc.contributor.authorOrtega, Juliospa
dc.contributor.authorMartínez Álvarez, Antoniospa
dc.date.accessioned2019-05-17T14:23:23Z
dc.date.available2019-05-17T14:23:23Z
dc.date.issued2014-08-11
dc.identifier.issn09507051spa
dc.identifier.urihttp://hdl.handle.net/11323/4197spa
dc.description.abstractFeature selection is an important and active issue in clustering and classification problems. By choosing an adequate feature subset, a dataset dimensionality reduction is allowed, thus contributing to decreasing the classification computational complexity, and to improving the classifier performance by avoiding redundant or irrelevant features. Although feature selection can be formally defined as an optimisation problem with only one objective, that is, the classification accuracy obtained by using the selected feature subset, in recent years, some multi-objective approaches to this problem have been proposed. These either select features that not only improve the classification accuracy, but also the generalisation capability in case of supervised classifiers, or counterbalance the bias toward lower or higher numbers of features that present some methods used to validate the clustering/classification in case of unsupervised classifiers. The main contribution of this paper is a multi-objective approach for feature selection and its application to an unsupervised clustering procedure based on Growing Hierarchical Self-Organising Maps (GHSOMs) that includes a new method for unit labelling and efficient determination of the winning unit.spa
dc.description.abstractLa selección de características es un problema importante y activo en los problemas de agrupación y clasificación. Al elegir un subconjunto de características adecuado, se permite una reducción de la dimensionalidad del conjunto de datos, lo que contribuye a disminuir la complejidad computacional de la clasificación y a mejorar el rendimiento del clasificador al evitar características redundantes o irrelevantes. Si bien la selección de características se puede definir formalmente como un problema de optimización con un solo objetivo, es decir, la precisión de clasificación obtenida mediante el uso del subconjunto de características seleccionado, en los últimos años, se han propuesto algunos enfoques de múltiples objetivos para este problema. Estas características bien seleccionadas no solo mejoran la precisión de la clasificación, sino también la capacidad de generalización en el caso de clasificadores supervisados, o contrarrestan el sesgo hacia un número mayor o menor de características que presentan algunos métodos utilizados para validar la agrupación / clasificación en el caso de clasificadores no supervisados. . La principal contribución de este documento es un enfoque de objetivos múltiples para la selección de características y su aplicación a un procedimiento de agrupación sin supervisión basado en mapas autoorganizados jerárquicos en crecimiento (GHSOM) que incluye un nuevo método para el etiquetado de unidades y una determinación eficiente de la unidad ganadora.spa
dc.language.isoeng
dc.publisherUniversidad de la Costaspa
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 Internationalspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/spa
dc.sourceKnowledge-Based Systemsspa
dc.subjectFeature selectionspa
dc.subjectGrowing self-srganising mapsspa
dc.subjectIDSspa
dc.subjectMulti-objective optimizationspa
dc.subjectNetwork anomaly detectionspa
dc.subjectUnsupervised clusteringspa
dc.subjectSelección de característicasspa
dc.subjectCrecientes mapas auto-organizados.spa
dc.subjectIDSspa
dc.subjectOptimización multiobjetivospa
dc.subjectDetección de anomalías de redspa
dc.subjectAgrupamiento sin supervisiónspa
dc.titleFeature selection by multi-objective optimisation: application to network anomaly detection by hierarchical self-organising mapsspa
dc.typeArtículo de revistaspa
dc.source.urlhttps://www.sciencedirect.com/science/article/abs/pii/S0950705114002950spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.identifier.instnameCorporación Universidad de la Costaspa
dc.identifier.reponameREDICUC - Repositorio CUCspa
dc.identifier.repourlhttps://repositorio.cuc.edu.co/spa
dc.title.translatedSelección de funciones mediante optimización de objetivos múltiples: aplicación a la detección de anomalías de red mediante mapas jerárquicos autoorganizadosspa
dc.title.translatedModelo de selección de características mediante optimización multiobjetivo: aplicado a la detección de anomalías de red, basada en Mapas Auto-organizativos Jerárquicosspa
dc.type.coarhttp://purl.org/coar/resource_type/c_6501spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/articlespa
dc.type.redcolhttp://purl.org/redcol/resource_type/ARTspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

  • Artículos científicos [3120]
    Artículos de investigación publicados por miembros de la comunidad universitaria.

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-ShareAlike 4.0 International
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-ShareAlike 4.0 International