La teoría de los conjuntos aproximados para el descubrimiento de conocimiento

• Yailé Caballero Mota ^[1] ; Rafael Bello ^[3] ; Leticia Arco ^[3] ; Beitmantt Giovanni Cárdenas Quintero ^[2] ; Yennely Márquez ^[1] ; María Matilde García Lorenzo ^[3]
  1. [1] Universidad de Camagüey

     Universidad de Camagüey

     Cuba

     
  2. [2] Universidad Distrital Francisco José de Caldas

     Universidad Distrital Francisco José de Caldas

     Colombia

     
  3. [3] Universidad Central de las Villas. Cuba. Tecnologías

  Mostrar afiliaciones +
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 77, Nº. 162, 2010, págs. 261-270
• Idioma: español
• Títulos paralelos:
  • Rough sets theory to knowledge discovery
• Enlaces
  • Texto completo (pdf)
• Resumen
  • 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

  • English

    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.