Construcción de un árbol balanceado de subclasificadores para SVM multi-clase

Abstract

Las Máquinas de Vectores de Soporte han demostrado ser una herramienta sumamente útil para resolver problemas de clasificación. Su aplicación en situaciones con más de una clase generalmente implica la combinación de varios subclasificadores. Este trabajo propone un nuevo método para la construcción de una estructura que organice el entrenamiento y uso de estos subclasificadores logrando de esta forma una reducción en el tiempo de respuesta en una clasificación multi-clase. Se trata de un árbol balanceado generado a partir de la estructura de una red neuronal competitiva dinámica. En base a la información de la red se identifican las neuronas relevantes para la separación de clases y se las utiliza para generar el árbol buscado. Cada nodo del árbol permite etiquetar los datos de entrada brindando la información necesaria para entrenar cada subclasificador. Los resultados obtenidos al comparar el método propuesto con otras soluciones existentes han sido satisfactorios.