1. Repositorio CYT
  2. Ciencias Económicas
  3. RInCE
  4. 2014, Vol. 5 Nro. 10
Veuillez utiliser cette adresse pour citer ce document : http://repositoriocyt.unlam.edu.ar/handle/123456789/1078
Affichage complet
Élément Dublin CoreValeurLangue
dc.rights.licenseLicencia Creative Commons Atribución 2.5 Argentina (CC BY 2.5 AR)spa
dc.creatorGalardo, Osvaldo Jorgespa
dc.creatorBarreto, Jorgespa
dc.creatorMalagrino, Sebastiánspa
dc.creatorPerissé, Marcelo Claudiospa
dc.creatorRoger, Juan Andrésspa
dc.creatorFusco, Patriciaspa
dc.date2014-
dc.date.accessioned2022-04-27T22:24:03Z-
dc.date.available2022-04-27T22:24:03Z-
dc.identifierhttps://ror.org/01bmj8t37spa
dc.identifier.citationGalardo, 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.10.20spa
dc.identifier.urihttp://repositoriocyt.unlam.edu.ar/handle/123456789/1078spa
dc.descriptionEl 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.spa
dc.descriptionFil: Galardo, Osvaldo Jorge. Universidad Nacional de La Matanza; Argentina.spa
dc.descriptionFil: Barreto, Jorge. Universidad Nacional de La Matanza; Argentina.spa
dc.descriptionFil: Malagrino, Sebastián. Universidad Nacional de La Matanza; Argentina.spa
dc.descriptionFil: Perissé, Marcelo Claudio. Universidad Nacional de La Matanza; Argentina.spa
dc.descriptionFil: Roger, Juan Andrés. Universidad Nacional de La Matanza; Argentina.spa
dc.descriptionFil: Fusco, Patricia. Universidad Nacional de La Matanza; Argentina.spa
dc.formatapplication/pdfspa
dc.format.extent8 p.spa
dc.languagespaspa
dc.publisherUniversidad Nacional de La Matanza. Departamento de Ciencias Económicasspa
dc.relationinfo:eurepo/semantics/altIdentifier/doi/10.54789/rince.10.20spa
dc.rightsinfo:eu-repo/semantics/openAccessspa
dc.rightshttps://creativecommons.org/licenses/by/2.5/ar/spa
dc.sourceISSN: 1851-3239spa
dc.sourceRevista de Investigaciones del Departamento de Ciencias Económicas. 2014; 5(10) : 1-8spa
dc.subjectANALISIS DE DATOSspa
dc.subjectTOMA DE DECISIONESspa
dc.subjectSISTEMAS DE INFORMACIONspa
dc.subjectBANCOS DE DATOSspa
dc.subjectData miningspa
dc.subjectMinería de datosspa
dc.subject.ddc006.312spa
dc.titleSistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbrespa
dc.typeinfo:eu-repo/semantics/articlespa
dc.typeinfo:ar-repo/semantics/artículospa
dc.typeinfo:eu-repo/semantics/publishedVersionspa
Collection(s) :2014, Vol. 5 Nro. 10

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
RInCE 5.10.20.pdf50.59 kBAdobe PDFVoir/Ouvrir
Affichage abbrégé


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.