| Revue: | Dyna (Medellín) |
| Base de datos: | |
| Número de sistema: | 000544082 |
| ISSN: | 0012-7353 |
| Autores: | CABALLERO, YAILÉ BELLO, RAFAEL ARCO, LETICIA CÁRDENAS, BEITMANTT MÁRQUEZ, YENNELY GARCÍA, MARÍA M. |
| Instituciones: | 1Universidad de Camagüey, Departamento de Computación, Cuba 2Universidad Central de Las Villas, Departamento de Computación, Cuba 3Universidad Distrital Francisco José de Caldas, Bogotá. Colombia 4Universidad de Camagüey, Departamento de Computación., Cuba |
| Año: | 2010 |
| Periodo: | Jun |
| Volumen: | 77 |
| Número: | 162 |
| Paginación: | 261-270 |
| País: | Colombia |
| Idioma: | Español |
| Resumen en español | La Teoría de los Conjuntos Aproximados (RST) abrió una nueva dirección en el desarrollo de teorías sobre la información incompleta y es una poderosa herramienta para el análisis de datos. En esta investigación se demuestra la posibilidad de usar esta teoría para generar conocimiento a priori sobre un conjunto de datos. Se desarrolla una propuesta para caracterizar a priori conjuntos de entrenamiento, usando medidas de estimación de la RST. La propuesta ha sido estudiada experimentalmente usando bases de datos internacionales y se han obtenido resultados satisfactorios. |
| Resumen en inglés | The Rough Set Theory (RST) opened a new direction in the development of incomplete information theories and is a powerful tool for the analysis of data. In this investigation the possibility is demonstrated of using this theory to generate knowledge on a data set. A proposal is developed to characterize sets of training, using measures of estimation of the RST. The proposal has been studied experimentally using international data bases and satisfactory results have been obtained. |
| Palabras clave: | Descubrimiento de conocimiento, Teoría de los Conjuntos Aproximados |
| Keyword: | Knowledge discovery, Rough Sets Theory. |
| Texte intégral: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
