{"id":93830,"date":"2009-08-06T00:00:00","date_gmt":"2009-08-06T00:00:00","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/hierarchical-self-refining-consensus-architectures-and-soft-consensus-functions-for-robust-multimedia-clustering\/"},"modified":"2009-08-06T00:00:00","modified_gmt":"2009-08-06T00:00:00","slug":"hierarchical-self-refining-consensus-architectures-and-soft-consensus-functions-for-robust-multimedia-clustering","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/inteligencia-artificial\/hierarchical-self-refining-consensus-architectures-and-soft-consensus-functions-for-robust-multimedia-clustering\/","title":{"rendered":"Hierarchical self-refining consensus architectures and soft consensus functions for robust multimedia clustering"},"content":{"rendered":"<h2>Tesis doctoral de <strong> Xavier Sevillano Dom\u00ednguez <\/strong><\/h2>\n<p>Al segmentar de forma no supervisada una colecci\u00f3n de datos, el usuario debe tomar m\u00faltiples decisiones qu\u00e9 algoritmo aplicar, c\u00f3mo representar los objetos, en cuantos grupos agrupar \u00e9stos, entre otras que condicionan, en gran medida, la calidad de la partici\u00f3n resultante. Desgraciadamente, la naturaleza no supervisada del problema hace dif\u00edcil (cuando no imposible) tomar estas decisiones de manera fundamentada, a no ser que se disponga de cierto conocimiento del dominio. en un intento por combatir estas incertidumbres, esta tesis propone una aproximaci\u00f3n al problema que minimiza, intencionadamente, la toma de decisiones por parte del usuario. Al contrario, se alienta el uso de tantos sistemas de clasificaci\u00f3n no supervisada como sea posible, combin\u00e1ndolos con el fin de obtener la partici\u00f3n final de los datos (o partici\u00f3n de consenso). Cuanto m\u00e1s similar sea \u00e9sta a la partici\u00f3n de m\u00e1xima calidad ofrecida por los sistemas de clasificaci\u00f3n sujetos a combinaci\u00f3n, mayor ser\u00e1 el grado de robustez respecto a las indeterminaciones inherentes a la clasificaci\u00f3n no supervisada. no obstante, la combinaci\u00f3n indiscriminada de clasificadores no supervisados plantea dos dificultades principales, que son i) el incremento de la complejidad computacional del proceso de combinaci\u00f3n, hasta el punto que su ejecuci\u00f3n puede ser inviable si el n\u00famero de sistemas a combinar es excesivo, y ii) la obtenci\u00f3n de particiones de consenso de baja calidad debida a la inclusi\u00f3n de sistemas de clasificaci\u00f3n pobres. Con el objetivo de luchar contra estos problemas, esta tesis introduce las arquitecturas de consenso jer\u00e1rquicas auto-refinables como v\u00eda para la obtenci\u00f3n de particiones de consenso de buena calidad con bajo coste computacional, tal como confirman los numerosos experimentos realizados. con la intenci\u00f3n de exportar esta estrategia de clasificaci\u00f3n no supervisada robusta a un marco generalista, se propone un conjunto de funciones de consenso basadas en votaci\u00f3n para la combinaci\u00f3n de clasificadores difusos. Diversos experimentos demuestran que sus prestaciones son comparables o superiores a buena parte del estado del arte. nuestras propuestas son aplicables de forma natural a la clasificaci\u00f3n robusta de datos multimodales i) un problema de inter\u00e9s actual dada la ubicuidad de la multimedia ii), ya que la existencia de m\u00faltiples modalidades plantea indeterminaciones adicionales que dificultan la obtenci\u00f3n de particiones robustas. La base de nuestra propuesta es la creaci\u00f3n de conjuntos de particiones multimodales, lo que permite el uso natural y simult\u00e1neo de t\u00e9cnicas de fusi\u00f3n de modalidades temprana y tard\u00eda, dando pie a una aproximaci\u00f3n gen\u00e9rica y eficiente a la clasificaci\u00f3n multimedia cuyos resultados se analizan a lo largo de m\u00faltiples experimentos.<\/p>\n<p>&nbsp;<\/p>\n<h3>Datos acad\u00e9micos de la tesis doctoral \u00ab<strong>Hierarchical self-refining consensus architectures and soft consensus functions for robust multimedia clustering<\/strong>\u00ab<\/h3>\n<ul>\n<li><strong>T\u00edtulo de la tesis:<\/strong>\u00a0 Hierarchical self-refining consensus architectures and soft consensus functions for robust multimedia clustering <\/li>\n<li><strong>Autor:<\/strong>\u00a0 Xavier Sevillano Dom\u00ednguez <\/li>\n<li><strong>Universidad:<\/strong>\u00a0 Ram\u00f3n llull<\/li>\n<li><strong>Fecha de lectura de la tesis:<\/strong>\u00a0 08\/06\/2009<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h3>Direcci\u00f3n y tribunal<\/h3>\n<ul>\n<li><strong>Director de la tesis<\/strong>\n<ul>\n<li>Francesc Al\u00edas Pujol<\/li>\n<\/ul>\n<\/li>\n<li><strong>Tribunal<\/strong>\n<ul>\n<li>Presidente del tribunal: paolo Rosso <\/li>\n<li>jordi Turm\u00f3 borr?s (vocal)<\/li>\n<li>aristides Gionis (vocal)<\/li>\n<li>Juan  Jos\u00e9 Rodr\u00edguez diez (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Tesis doctoral de Xavier Sevillano Dom\u00ednguez Al segmentar de forma no supervisada una colecci\u00f3n de datos, el usuario debe tomar [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[2528,32959],"tags":[193640,193638,193639,155784,86707,193637],"class_list":["post-93830","post","type-post","status-publish","format-standard","hentry","category-inteligencia-artificial","category-ramon-llull","tag-aristides-gionis","tag-francesc-alias-pujol","tag-jordi-turmo-borrs","tag-juan-jose-rodriguez-diez","tag-paolo-rosso","tag-xavier-sevillano-dominguez"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/93830","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/comments?post=93830"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/93830\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=93830"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=93830"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=93830"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}