Algoritmo de aprendizaje incremental para agrupar y clasificar running trails
Es habitual entre los aficionados al running, buscar rutas en alguna zona de interés. Hay herramientas que permiten hacer este tipo de búsquedas, filtrando por distancia, locación, etc. No obstante, una vez aplicados todos los filtros aparecen rutas duplicados o muy similares, creando así mucha entr...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/120786 |
| Acceso en línea: | http://hdl.handle.net/10609/120786 |
| Access Level: | acceso abierto |
| Palabra clave: | clustering k-means incremental learning running trails aprenentatge incremental aprendizaje incremental Artificial intelligence -- TFM Intel·ligència artificial -- TFM Inteligencia artificial -- TFM |
| Sumario: | Es habitual entre los aficionados al running, buscar rutas en alguna zona de interés. Hay herramientas que permiten hacer este tipo de búsquedas, filtrando por distancia, locación, etc. No obstante, una vez aplicados todos los filtros aparecen rutas duplicados o muy similares, creando así mucha entropía y dificultando el proceso de búsqueda. En este trabajo se propone hacer un agrupamiento de rutas para identificar aquellas que son únicas en una zona determinada. Se propone usar un algoritmo basado en k-means incremental que agrupe las rutas disponibles, y posteriormente en un momento indeterminado en el tiempo, dada una nueva ruta ingresada al sistema, decide si esta debe ser asignada a un cluster ya creado debido a su similitud con las rutas que lo conformen, o se debe crear un nuevo cluster ya la ruta es lo suficientemente distante a las demás. En este trabajo se estudiará la mejor manera de representar las variables de una ruta, considerando feature engineering y técnicas de reducción de dimensionalidad que facilite y mejore los resultados del algoritmo de agrupamiento. Así mismo, se estudiarán los efectos sobre el rendimiento y las medidas de error intra e Inter grupos al considerar diferentes valores de threshold. Al final se espera entregar un aplicativo que permita visualizar las rutas únicas, filtrarlas, introducir nuevas rutas y ver información relacionada como: duración, elevación, distancia, velocidad promedio, entre otras. |
|---|