Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre

Autores
Galardo, Osvaldo Jorge; Barreto, Jorge; Malagrino, Sebastián; Perissé, Marcelo Claudio; Roger, Juan Andrés; Fusco, Patricia
Año de publicación
2014
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
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.
Fuente
ISSN: 1851-3239
Revista de Investigaciones del Departamento de Ciencias Económicas. 2014; 5(10) : 1-8
Materia
ANALISIS DE DATOS
TOMA DE DECISIONES
SISTEMAS DE INFORMACION
BANCOS DE DATOS
Data mining
Minería de datos
006.312
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by/2.5/ar/
Repositorio
Repositorio Digital UNLaM
Institución
Universidad Nacional de La Matanza
OAI Identificador
oai:repositoriocyt.unlam.edu.ar:123456789/1078
Acceder
id RDUNLAM_875527b3df769f754d0cfd11fe6f4ae2
oai_identifier_str oai:repositoriocyt.unlam.edu.ar:123456789/1078
network_acronym_str RDUNLAM
repository_id_str a
network_name_str Repositorio Digital UNLaM
spelling Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbreGalardo, Osvaldo JorgeBarreto, JorgeMalagrino, SebastiánPerissé, Marcelo ClaudioRoger, Juan AndrésFusco, PatriciaANALISIS DE DATOSTOMA DE DECISIONESSISTEMAS DE INFORMACIONBANCOS DE DATOSData miningMinería de datos006.312El 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.Universidad Nacional de La Matanza. Departamento de Ciencias Económicas20142022-04-27T22:24:03Z2022-04-27T22:24:03Zinfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf8 p.application/pdfGalardo, 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.10.20http://repositoriocyt.unlam.edu.ar/handle/123456789/1078ISSN: 1851-3239Revista de Investigaciones del Departamento de Ciencias Económicas. 2014; 5(10) : 1-8reponame:Repositorio Digital UNLaMinstname:Universidad Nacional de La Matanzaspainfo:eurepo/semantics/altIdentifier/doi/10.54789/rince.10.20info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/2.5/ar/Licencia Creative Commons Atribución 2.5 Argentina (CC BY 2.5 AR)2025-09-29T14:28:44Zoai:repositoriocyt.unlam.edu.ar:123456789/1078instacron:UNLaMInstitucionalhttps://repositoriocyt.unlam.edu.ar/Universidad públicaNo correspondehttps://repositoriocyt.unlam.edu.ar/oaicytunlam@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-09-29 14:28:44.917Repositorio Digital UNLaM - Universidad Nacional de La Matanzafalse
dc.title.none.fl_str_mv Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre
title Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre
spellingShingle Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre
Galardo, Osvaldo Jorge
ANALISIS DE DATOS
TOMA DE DECISIONES
SISTEMAS DE INFORMACION
BANCOS DE DATOS
Data mining
Minería de datos
006.312
title_short Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre
title_full Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre
title_fullStr Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre
title_full_unstemmed Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre
title_sort Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre
dc.creator.none.fl_str_mv Galardo, Osvaldo Jorge
Barreto, Jorge
Malagrino, Sebastián
Perissé, Marcelo Claudio
Roger, Juan Andrés
Fusco, Patricia
author Galardo, Osvaldo Jorge
author_facet Galardo, Osvaldo Jorge
Barreto, Jorge
Malagrino, Sebastián
Perissé, Marcelo Claudio
Roger, Juan Andrés
Fusco, Patricia
author_role author
author2 Barreto, Jorge
Malagrino, Sebastián
Perissé, Marcelo Claudio
Roger, Juan Andrés
Fusco, Patricia
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv ANALISIS DE DATOS
TOMA DE DECISIONES
SISTEMAS DE INFORMACION
BANCOS DE DATOS
Data mining
Minería de datos
006.312
topic ANALISIS DE DATOS
TOMA DE DECISIONES
SISTEMAS DE INFORMACION
BANCOS DE DATOS
Data mining
Minería de datos
006.312
dc.description.none.fl_txt_mv 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.
description 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.
publishDate 2014
dc.date.none.fl_str_mv 2014
2022-04-27T22:24:03Z
2022-04-27T22:24:03Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv 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
http://repositoriocyt.unlam.edu.ar/handle/123456789/1078
identifier_str_mv 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
url http://repositoriocyt.unlam.edu.ar/handle/123456789/1078
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eurepo/semantics/altIdentifier/doi/10.54789/rince.10.20
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by/2.5/ar/
Licencia Creative Commons Atribución 2.5 Argentina (CC BY 2.5 AR)
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/2.5/ar/
Licencia Creative Commons Atribución 2.5 Argentina (CC BY 2.5 AR)
dc.format.none.fl_str_mv application/pdf
8 p.
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de La Matanza. Departamento de Ciencias Económicas
publisher.none.fl_str_mv Universidad Nacional de La Matanza. Departamento de Ciencias Económicas
dc.source.none.fl_str_mv ISSN: 1851-3239
Revista de Investigaciones del Departamento de Ciencias Económicas. 2014; 5(10) : 1-8
reponame:Repositorio Digital UNLaM
instname:Universidad Nacional de La Matanza
reponame_str Repositorio Digital UNLaM
collection Repositorio Digital UNLaM
instname_str Universidad Nacional de La Matanza
repository.name.fl_str_mv Repositorio Digital UNLaM - Universidad Nacional de La Matanza
repository.mail.fl_str_mv cytunlam@gmail.com
_version_ 1844621531743780864
score 12.559606

Publicaciones similares