Reducción de dimensiones para clasificación de datos multidimensionales usando medidas de información.

The enormous technological development has created a concept of information that has a big field of action for tasks related with the training of automatic systems. This paper proposes a methodology that is based in the Independent Component Analysis (ICA) that includes the use of information measures to perform a dimensionality reduction in multidimensional data sets. The methodology uses a principle of relevance that tries to find a reduced representation while the structure related with the initial information is maintained. The methodology is compared and mixed with a basic system of feature selection which evaluation function uses the measure of entropy. Results show that the classification rate increase.El enorme desarrollo tecnológico ha creado un concepto de información con áreas extensas de aplicación para tareas referentes al entrenamiento de sistemas automáticos. Este trabajo propone una metodología basada en el análisis de componentes independientes (ICA), que incluye el uso de medidas de información, para realizar reducción de dimensiones en conjuntos de datos multidimensionales. La metodología usa un principio de relevancia, con el fin de hallar la representación reducida mientras se conserva la estructura relacionada a la información inicial. La metodología se compara y se conjuga con un sistema básico de selección de características cuya función de evaluación usa la medida de entropía logrando mejores resultados en la clasificación