Máquinas de Vectores Soporte Adaptativas

Abstract

Se propone un método de clasificación adaptativo capaz de aprender un concepto y seguir su evolución temporal como consecuencia de cambios lentos en sistemas evolutivos. Para ello se realiza una modificación del clasificador SVM (máquina de vectores soporte), consistente en usar múltiples hiperplanos válidos en pequeñas localidades temporales (ventanas) para realizar la clasificación. A diferencia de otras propuestas de este tipo en la literatura, en este caso se realiza un aprendizaje de todos los hiperplanos en forma global, minimizando una cantidad que contiene al error que comete la familia de clasificadores locales más una medida asociada a la dimensión VC de los mismos. Para conceptos estacionarios, la misma idea aplicada a localidades en el espacio de características permite obtener resultados comparables a los que proporciona SVM con kernel gausiano.