Tesis de informatica

Contribuciones a la segmentación de imágenes mediante algoritmos de clasificación automática
Autores: Eduardo René Concepción Morales
Directores de la Tesis: Jesus Maria Yurramendi Mendizabal
Lectura: En la Universidad del País Vasco ( España ) en 2010
Tribunal Calificador de la Tesis: José Ramón Dorronsoro Ibero (presid.), Basilio Sierra Araujo (secret.), Jose Ruiz Shulcloper (voc.), JoséMiguel García-Santesmases Martín-Tesorero (voc.), Pedro Larrañaga Múgica (voc.)
Resumen:
Los métodos de clustering, o clasificación automática, constituyen un grupo importante de herramientas de análisis de datos, Estos métodos son utilizados para el análisis de imágenes médicas con el objetivo de identificar y categorizar las formas o funciones de tejidos y órganos, proceso éste entendido comosegmentación de imágenes.
El objetivo principal de esta tesis ha sido el estudio de los algoritmos existentes para tratar problemas de clasificación automática tratando de incorporar nuevas aproximaciones.
Se apoya la idea de que los modelos que describan las relaciones espaciales entre los objetos pueden ser útiles para su clasificación.
El objeto principal de interés de esta investigaciónlo constituyen los métodos de clasificación automática que traten de preservar la estructura espacial de los objetos.
Se ha realizado un a investigación de las relaciones espaciales entre los objetos de un conjunto tomando como base el concepto de autocorrelación espacial, así como un estudio teórico sobre los métodos de clustering con restricciones contigüidad.
Las principales contribucionesincluyen la introducción de versiones modificadas de los índices de autocorrelación espacial de Moran y Geary, logrando establecer su complementariedad. Se propone un índice de autocorrelación espacial a partir del concepto de variabilidad local de Lebart.
Se asocian índices locales a cada uno de los índices globales de autocorrelación espacial que posibilitan profundizar en el conocimiento de laestructura espacial de los datos.
Se define un índice de autocorrelación espacial asociado a particiones, CB, que toma en cuenta únicamente las fronteras entre las clases de una partición.
Se presenta el estudio teórico de un método de agrupamiento jerárquico aglomerativo con restricciones de contigüidad.
Se introduce un algoritmo con una función de desemejanza que toma en cuenta lasrelaciones de contigüidad impuestas sobre los datos y se analizan sus propiedades. Se demuestra que la jerarquía de clusters que se obtiene con el método propuesto al utilizar una estrategia aglomerativa restringida a la fusión de clusters adyacentes es libre de inversiones.
Se presentan resultados experimentales que brindan evidencia empírica del comportamiento del método propuesto en el caso de lasegmentación de imágenes.

Avances en algoritmos de estimación de distribuciones. Alternativas en el aprendizaje y representación de problemas
Autores: Maria Teresa Miquelez Echegaray
Directores de la Tesis: Endika Bengoechea Castro, Pedro Larrañaga Múgica
Lectura: En la Universidad del País Vasco ( España ) en 2010
Tribunal Calificador de la Tesis: José Miguel Alonso (presid.), José AntonioLozano Alonso (secret.), Roberto Santana Hermida (voc.), Víctor Robles Forcada (voc.), Rafael Martí Cunquero (voc.)
Resumen:
La Computación Evolutiva es una disciplina que se caracteriza por crear un conjun- to de posibles soluciones y hacerlas evolucionar generación a generación con el propósi- to de resolver problemas de optimización, Ejemplos de paradigmas de computación evolutivaampliamente reconocidos son los Algoritmos Genéticos (Genetic Algorithms, GAs) y los Algoritmos de Estimación de las Distribuciones (Estimation Distribution Algorithms, EDAs). La principal diferencia entre estos modelos está en la forma de mejorar el conjunto de soluciones en cada generación. En los GAs, la evolución se basa en la utilización de operadores de cruce y mutacion, sin expresar explicitamente...