Neighborhood Criterion Analysis for Prototype Selection Applied in WSN Data

Rosero-Montalvo, Paúl D.; Umaquinga-Criollo, Ana C.; Flores, Stefany; Suárez, Luis; Pijal, J.; Ponce-Guevara, K. L.; Nejer, D.; Guzmán, A.; Lugo, D.; Moncayo, K.

doi:10.1109/inciscos.2017.47

Cited by 10 publications

(2 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…We choose the most representative of each of them, namely: Condensed Nearest Neighbor (CNN), Reduced Nearest Neighbor (RNN), and Selective Nearest Neighbor (SNN). Edited Nearest Neighbor (ENN), All-k Edited Nearest Neighbors (AENN), Iterative Partitioning Filter Method (IPF), and Decremental Reduction Optimization Procedures 2 (DROP 2), Decremental Reduction Optimization Procedures 3 (DROP3), and Iterative Noise Filter Method based on the Fusion of Classes (INFFC) [ 28 ].…”

Section: Discussionmentioning

confidence: 99%

Environment Monitoring of Rose Crops Greenhouse Based on Autonomous Vehicles with a WSN and Data Analysis

Rosero-Montalvo

Erazo-Chamorro

Batista

et al. 2020

Sensors

View full text Add to dashboard Cite

This work presents a monitoring system for the environmental conditions of rose flower-cultivation in greenhouses. Its main objective is to improve the quality of the crops while regulating the production time. To this end, a system consisting of autonomous quadruped vehicles connected with a wireless sensor network (WSN) is developed, which supports the decision-making on type of action to be carried out in a greenhouse to maintain the appropriate environmental conditions for rose cultivation. A data analysis process was carried out, aimed at designing an in-situ intelligent system able to make proper decisions regarding the cultivation process. This process involves stages for balancing data, prototype selection, and supervised classification. The proposed system produces a significant reduction of data in the training set obtained by the WSN while reaching a high classification performance in real conditions—amounting to 90 % and 97.5%, respectively. As a remarkable outcome, it is also provided an approach to ensure correct planning and selection of routes for the autonomous vehicle through the global positioning system.

show abstract

Section: Discussionmentioning

confidence: 99%

Environment Monitoring of Rose Crops Greenhouse Based on Autonomous Vehicles with a WSN and Data Analysis

Rosero-Montalvo

Erazo-Chamorro

Batista

et al. 2020

Sensors

View full text Add to dashboard Cite

show abstract

“…Si la metodología es efectiva, el nuevo algoritmo debe ser evaluado, basado el concepto de "vecinos más cercanos" para mejorar la precisión de la solución. Existen otros estudios que demuestran hasta un 75 % de mejora en el rendimiento de la clasificación de este algoritmo (Rosero-Montalvo et al, 2018). No solamente existe un método; además, también se han presentado estudios que proveen métodos híbridos (p.…”

unclassified

Detección de valores atípicos con técnicas de minería de datos y métodos estadísticos

Orellana

Cedillo

2020

Enfoque UTE

View full text Add to dashboard Cite

La detección de valores atípicos en el campo de la minería de datos (DM) y el descubrimiento de conocimiento a partir de datos (KDD) es de gran interés en áreas que requieren sistemas de soporte a la toma de decisiones, como, por ejemplo, en el área financiera, en donde mediante DM se pueden detectar fraudes financieros o encontrar errores producidos por los usuarios. Entonces, es esencial, evaluar la veracidad de la información, a través de métodos de detección de comportamientos inusuales en los datos. Este artículo propone un método para detectar valores que se consideran valores atípicos en una base de datos de datos de tipo nominal. El método implementa un algoritmo global de “k” vecinos más cercanos, un algoritmo de agrupamiento denominado k-means y un método estadístico denominado chi-cuadrado. La aplicación de estas técnicas ha sido implementada sobre una base de datos de clientes que han solicitado un crédito financiero. El experimento se realizó sobre un conjunto de datos con 1180 tuplas, en donde, deliberadamente se introdujeron valores atípicos. Los resultados demostraron que el método propuesto es capaz de detectar todos los valores atípicos introducidos.

show abstract