Un Nuevo Kernel para usar con Series Temporales Discretizadas

FRANCISCO JAVIER CUBEROS GARCÍA, LUIS GONZÁLEZ ABRIL, JUAN ANTONIO ORTEGA RAMÍREZ, FRANCISCO VELASCO MORENTE

Resumen


EN ESTE ARTÍCULO, UN NUEVO KERNEL (NÚCLEO), PROCEDENTE DE LA TEORÍA DEL APRENDIZAJE ESTADÍSTICO, ES PROPUESTO PARA TRABAJAR CON CADENAS DE SÍMBOLOS OBTENIDOS A TRAVÉS DE UN PROCESO DE DISCRETIZACIÓN DE UNA VARIABLE CONTINUA. AUNQUE PARA LA EXACTA DEFINICIÓN DE DISCRETIZACIÓN NO ES ESTRICTAMENTE NECESARIA, SIEMPRE DEBE EXISTIR UNA MEDIDA DE DISTANCIA O UNA MEDIDA DE SIMILITUD ENTRE SÍMBOLOS EN UN DETERMINADO ALFABETO (CONJUNTO DE SÍMBOLOS). ESTE KERNEL ES APLICADO SOBRE UN CONJUNTO DE REPARTOS DE AUDIENCIAS EN LA TELEVISIÓN OBTENIDO DE LAS SIETE PRINCIPALES CADENAS DE TELEVISIÓN EN ANDALUCÍA (ESPAÑA). UNA COMPARATIVA CON OBJETO DE LLEVAR A CABO UNA CLASIFICACIÓN ES REALIZADA Y LA SELECCIÓN DE PARÁMETROS ES ESTUDIADA. FINALMENTE, MENCIONAR QUE ESTE KERNEL TIENE CIERTAS IMPLICACIONES EN EL TIPO DE SIMILARIDAD CONSIDERADA LAS CUALES SERÁN ESTUDIADAS EN FUTURAS INVESTIGACIONES. LA POCA INFLUENCIA DEL PARÁMETRO €º EN LAS TAREAS DE IDENTIFICACIÓN TAMBIÉN DEBE SER ANALIZADA

Palabras clave


KERNELS; DISCRETIZACIÓN; DISTANCIA INTERVALAR

Texto completo:

pdf


Contacto:
Oscar Zavala