Bustince Sola, Humberto

Profile Picture

Email Address

person.page.identifierURI

https://academica-e.unavarra.es/handle/2454/48764

Birth Date

Job Title

Last Name

Bustince Sola

First Name

Humberto

person.page.departamento

Estadística, Informática y Matemáticas

person.page.instituteName

ISC. Institute of Smart Cities

ORCID

0000-0002-1279-6195

person.page.observainves

88384

person.page.upna

278

Name

Filters

2021 - 20222
Reset filters

Settings

Author: Fumanal Idocin, Javier × Subject: Clustering ×

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    PublicationOpen Access
    Clusterig cosmológico: un enfoque del clustering gravitacional clásico inspirado en la estructura y dinámica del cosmos a gran escala
    (Universidad de Málaga, 2021) Castillo López, Aitor; Fumanal Idocin, Javier; Fernández Fernández, Francisco Javier; Bustince Sola, Humberto; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika
    En este trabajo proponemos un nuevo enfoque del algoritmo de clustering gravitacional basado en lo que Einstein considero su 'mayor error': la constante cosmológica. De manera similar al algoritmo de clustering gravitacional, nuestro enfoque está inspirado en principios y leyes del cosmos, y al igual que ocurre con la teoría de la relatividad de Einstein y la teoría de la gravedad de Newton, nuestro enfoque puede considerarse una generalización del agrupamiento gravitacional, donde, el algoritmo de clustering gravitacional se recupera como caso límite. Además, se desarrollan e implementan algunas mejoras que tienen como objetivo optimizar la cantidad de iteraciones finales, y de esta forma, se reduce el tiempo de ejecución tanto para el algoritmo original como para nuestra versión.
  • Thumbnail Image
    PublicationOpen Access
    Fuzzy clustering to encode contextual information in artistic image classification
    (Springer, 2022) Fumanal Idocin, Javier; Takáč, Zdenko; Horanská, Lubomíra; Bustince Sola, Humberto; Cordón, Óscar; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika
    Automatic art analysis comprises of utilizing diverse processing methods to classify and categorize works of art. When working with this kind of pictures, we have to take under consideration different considerations compared to classical picture handling, since works of art alter definitely depending on the creator, the scene delineated or their aesthetic fashion. This extra data improves the visual signals gotten from the images and can lead to better performance. However, this information needs to be modeled and embed alongside the visual features of the image. This is often performed utilizing deep learning models, but they are expensive to train. In this paper we utilize the Fuzzy C-Means algorithm to create a embedding strategy based on fuzzy memberships to extract relevant information from the clusters present in the contextual information. We extend an existing state-of-the-art art classification system utilizing this strategy to get a new version that presents similar results without training additional deep learning models.