Andere Kunden interessierten sich auch für
![Algoritmos de estimación de señales]( "Algoritmos de estimación de señales")
Algoritmos de estimación de señales38,99 €![CIENCIA DE DATOS PARA LA ASIGNACIÓN DE PERSONAL A HORARIOS DE TRABAJO]( "CIENCIA DE DATOS PARA LA ASIGNACIÓN DE PERSONAL A HORARIOS DE TRABAJO")
CIENCIA DE DATOS PARA LA ASIGNACIÓN DE PERSONAL A HORARIOS DE TRABAJO59,99 €![Modelo estocástico en la transmisión del dengue con topología de redes]( "Modelo estocástico en la transmisión del dengue con topología de redes")
Modelo estocástico en la transmisión del dengue con topología de redes25,99 €![Algoritmos, estrategias, modelos y sus aplicaciones]( "Algoritmos, estrategias, modelos y sus aplicaciones")
Algoritmos, estrategias, modelos y sus aplicaciones60,99 €![Metodologías para la toma de decisiones apoyadas en modelos difusos]( "Metodologías para la toma de decisiones apoyadas en modelos difusos")
Metodologías para la toma de decisiones apoyadas en modelos difusos53,99 €![Incidencia de la Energía Eólica en la red]( "Incidencia de la Energía Eólica en la red")
Incidencia de la Energía Eólica en la red25,99 €![Propuesta para usar redes bayesianas en la alerta temprana de sequías]( "Propuesta para usar redes bayesianas en la alerta temprana de sequías")
Propuesta para usar redes bayesianas en la alerta temprana de sequías32,99 €
En este documento se presenta una simulación del Algoritmo Genético para la estimación de parámetros de la función discriminante en el problema de discriminación en dos poblaciones. Para ello, se empleó la base de datos con dos especies de flores de iris, a la que se le aplicó remuestreo para generar n muestras, de las cuales se obtuvo el análisis discriminante de Fisher y así obtener n funciones discriminantes que forman la población inicial. Después se usó la técnica de Algoritmos Genéticos, ésta emplea un método de selección (método de la ruleta), y la aplicación de operadores genéticos (cruce aritmético, mutaciones uniforme y normal); lo que permitió realizar la búsqueda de las mejores funciones con el mínimo error de clasificación y a través de validación cruzada se observa cuales funciones clasifican y discriminan mejor con respecto a las obtenidas por el método tradicional.