Revista: | Dyna (Medellín) |
Base de datos: | PERIÓDICA |
Número de sistema: | 000368739 |
ISSN: | 0012-7353 |
Autores: | Filiberto, Yaima1 Bello, Rafael2 Caballero, Yailé1 Frías, Mabel1 |
Instituciones: | 1Universidad de Camagüey, Facultad de Informática, Camagüey. Colombia 2Universidad Central "Marta Abreu" de Las Villas, Santa Clara, Villa Clara. Cuba |
Año: | 2011 |
Periodo: | Oct |
Volumen: | 78 |
Número: | 169 |
Paginación: | 62-70 |
País: | Colombia |
Idioma: | Español |
Tipo de documento: | Artículo |
Enfoque: | Aplicado, descriptivo |
Resumen en español | Los conjuntos aproximados han demostrado ser efectivos para desarrollar técnicas de aprendizaje automático, entre ellos métodos para el descubrimiento de reglas de clasificación. En este trabajo se presenta un algoritmo para generar reglas de clasificación basado en relaciones de similaridad, lo que permite que sea aplicable en casos donde los rasgos tienen dominio discreto o continuo. Los resultados experimentales muestran un desempeño satisfactorio en comparación con otros algoritmos conocidos como C4.5 y MODLEM |
Resumen en inglés | Rough sets have allowed developing several machine learning techniques, among them methods to discover rules of classification. In this paper, we present an algorithm to generate rules of classification based on similarity relations, this allows to apply this method in the case of features with discrete or real domains. The experimental results show a satisfactory performance of this algorithm in comparison with other such as C4.5 and MODLEM |
Disciplinas: | Ciencias de la computación |
Palabras clave: | Aprendizaje de máquinas, Reglas de clasificación, Teoría de los conjuntos aproximados, Relaciones de similaridad, Minería de datos |
Keyword: | Computer science, Machine learning, Classification rules, Rough set theory, Similarity relations, Data mining |
Texto completo: | Texto completo (Ver HTML) |