1. Repositorio CYT
2. Ciencias Económicas
3. RInCE
4. 2014, Vol. 5 Nro. 10

Autor(es):	Galardo, Osvaldo Jorge Barreto, Jorge Malagrino, Sebastián Perissé, Marcelo Claudio Roger, Juan Andrés Fusco, Patricia
Título:	Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre
Descriptores y temas:	ANALISIS DE DATOS TOMA DE DECISIONES SISTEMAS DE INFORMACION BANCOS DE DATOS Data mining Minería de datos
Editor:	Universidad Nacional de La Matanza. Departamento de Ciencias Económicas
Referencia sugerida:	Galardo, O. J., Barreto, J., Malagrino, S., Perissé, M. C., Roger, J. A. y Fusco, P. (2014). Sistemas Grises y Conjuntos Rugosos en el tratamiento de información con incertidumbre. RInCE, 5(10), 1-8. https://doi.org/10.54789/rince.10.20
Resumen y filiaciones:	El rápido desarrollo y la extensa aplicación de la tecnología de bases de datos, unido a la gran cantidad de datos disponibles para el análisis en distintos ámbitos de las ciencias puras y aplicadas, ha convertido la minería de datos (data mining) y el descubrimiento de conocimiento (knowledge discovery) en áreas de intensa investigación. El conocimiento se ha convertido en un componente imprescindible en la industria, la banca e incluso en la vida social. En particular, los sectores económicos -tanto en las áreas de las manufacturas como de las finanzas-requieren tomar decisiones sobre gran cantidad de información para obtener ventajas competitivas. Sin embargo, la información es frecuentemente imprecisa debido a que contiene gran cantidad de datos pero es cualitativamente pobre. La extracción de información comprensible a partir de grandes volúmenes de datos hace uso del proceso KDD (Knowledge Discovery in Databases) que opera para obtener información subóptima pero económica y confiable para la toma de decisiones, en los casos en que la información es incompleta, inexacta o inconsistente. Esta investigación se centra en dos técnicas específicas: la teoría de conjuntos aproximados o rugosos (Rough Set Theory o RST) y la teoría de sistemas grises (Grey Systems Theory o GST), y en la hibridación de ambas: Grey Rough Set Theory o GRST. Se exhiben las propiedades fundamentales de las tres teorías y se evalúa la conveniencia de generalizaciones y ampliaciones de dichas teorías para el tratamiento de información incierta. Fil: Galardo, Osvaldo Jorge. Universidad Nacional de La Matanza; Argentina. Fil: Barreto, Jorge. Universidad Nacional de La Matanza; Argentina. Fil: Malagrino, Sebastián. Universidad Nacional de La Matanza; Argentina. Fil: Perissé, Marcelo Claudio. Universidad Nacional de La Matanza; Argentina. Fil: Roger, Juan Andrés. Universidad Nacional de La Matanza; Argentina. Fil: Fusco, Patricia. Universidad Nacional de La Matanza; Argentina.
URI:	http://repositoriocyt.unlam.edu.ar/handle/123456789/1078
Aparece en las colecciones:	2014, Vol. 5 Nro. 10

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.