Selección de características para clasificación de productos alimenticios usando imágenes hiperespectrales

Abstract

En este trabajo innovador, se presenta Iterative Covering Array Feature Selection, un algoritmo innovador de selección de bandas que integra la poderosa arquitectura de covering arrays. Este método surge como una extensión pionera de covering array Feature Selection, diseñado para revolucionar y expandir una herramienta indispensable para aplicaciones de quimiometría de alta dimensión. En consecuencia, en capítulo 1, se detalla meticulosamente tanto los objetivos generales como los específicos asociados con Iterative Covering Array Feature Selection, junto con las hipótesis clave que se busca validar y la justificacion en el análisis de imágenes hiperespectrales de alimentos. Avanzando, en capítulo 2, se expande en la teoría fundamental esencial para comprender esta propuesta innovadora, con una revisión exhaustiva de conceptos como feature selection, covering arrays, In-Parameter-Order, Binary Bat Algorithm y In-Parameter-Order General. Este marco sólido sirve como la piedra angular para los ambiciosos objetivos que se buscan alcanzar. En capítulo 3, realizamos un análisis exhaustivo del estado del arte actual en relación con covering arrays y feature selection. Posteriormente, para el capítulo 4, detallamos la metodología meticulosa empleada para validar Iterative Covering Array Feature Selection, que incluye un análisis comparativo exhaustivo entre Binary Bat Algorithm y covering array Feature Selection. A continuación, capítulo 5 mostrará los resultados obtenidos en el capítulo anterior, al mismo tiempo que amplía el trabajo actual mediante pruebas de rendimiento rigurosas e introduce Iterative Covering Array Feature Selection a problemas fuera del campo de quimiometría para descubrir el parámetro de interacción óptimo t. Finalmente, en capítulo 6, se ofrecen los puntos de vista concluyentes junto con las posibles direcciones futuras que esta metodología podría seguir.