Por favor, use este identificador para citar o enlazar este ítem:
http://repositoriocyt.unlam.edu.ar/handle/123456789/1078
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 |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
RInCE 5.10.20.pdf | 50.59 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.