DSpace DSpace UPC
 English   Castellano   Català  

Treballs academics UPC >
Màsters Oficials >
Master in Artificial Intelligence - MAI (Pla 2006) >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2099.1/5607

Arxiu Descripció MidaFormat
ThesisJorgeVelazco.pdf5,11 MBAdobe PDFVeure/Obrir

Títol: The effect of noise and sample size in the performance of an unsupervised feature relevant determination method for manifold learning
Autor: Velazco Brao, Jorge Sebastián
Tutor/director/avaluador: Vellido Alcacena, Alfredo Veure Producció científica UPC
Universitat: Universitat Politècnica de Catalunya
Càtedra /Departament: Universitat Politècnica de Catalunya. Departament de Llenguatges i Sistemes Informàtics
Matèries: Àrees temàtiques de la UPC::Ensenyament i aprenentatge::Innovació i Investigació educativa
Data mining
Pattern recognition systems
Mineria de dades
Reconeixement de formes (Informàtica)
Data: set-2008
Tipus de document: Master thesis
Resum: The research on unsupervised feature selection is scarce in comparison to that for supervised models, despite the fact that this is an important issue for many clustering problems. An unsupervised feature selection method for general Finite Mixture Models was recently proposed and subsequently extended to Generative Topographic Mapping (GTM), a manifold learning constrained mixture model that provides data clustering and visualization. Some of the results of previous research on this unsupervised feature selection method for GTM suggested that its performance may be affected by insuficient sample size and by noisy data. In this thesis, we test in detail such limitations of the method and outline some techniques that could provide an at least partial solution to the negative effect of the presence of uninformative noise. In particular, we provide a detailed account of a variational Bayesian formulation of feature relevance determination for GTM.
URI: http://hdl.handle.net/2099.1/5607
Provinença: Aquest document conté originàriament altre material i/o programari no inclòs en aquest lloc web
Apareix a les col·leccions:Master in Artificial Intelligence - MAI (Pla 2006)
Comparteix:



Aquest ítem (excepte textos i imatges no creats per l'autor) està subjecte a una llicència de Creative Commons Llicència Creative Commons
Creative Commons

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius