D. Valero Carreras, J. Alcaraz Soria, M. Landete
Las Máquinas de Soporte Vectorial (SVM) son uno de los algoritmos más empleados en problemas de clasificación por su buen comportamiento. Sin embargo, cuando se tiene una alta dimensionalidad, aparecen problemas de sobreajuste. Además, utilizar muchas de variables puede tener un elevado coste en recursos. Por ello, es necesario establecer mecanismos para seleccionar algunas de las dimensiones/características reduciendo los gastos económicos o temporales.
En la literatura actualmente existen métodos metaheurísticos para la resolución del problema bi-objetivo sin tener en cuenta el coste. En este trabajo se presenta un nuevo modelo para la resolución de problemas tri-objetivo de SVM con selección de características y una nueva metaheurística basada en el Non-Dominated Sorting Genetic Algorithm (NSGA-II) que da lugar a una frontera Pareto. Los resultados del nuevo método se comparan con los resultados de las técnicas exactas y los resultados del modelo bi-objetivo.
Keywords: Metaheurística, Support Vector Machines, Algoritmo Genético, Tri-objetivo, Selección de características
Scheduled
GT10.HEUR3 Invited Session
November 8, 2023 5:20 PM
CC3: Room 1