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

Autores
Galardo, Osvaldo Jorge; Perissé, Marcelo Claudio; Roger, Juan Andrés; Barreto, Jorge; Malagrino, Sebastián; Fusco, Patricia
Año de publicación
2013
Idioma
español castellano
Tipo de recurso
informe técnico
Estado
versión aceptada
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. En las décadas pasadas se han desarrollado varias técnicas y teorías para tratar datos de naturaleza imprecisa, como la teoría fuzzy y la teoría de las funciones de creencia de Dempster-Shafer. 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: Perissé, Marcelo Claudio. Universidad Nacional de La Matanza; Argentina.
Fil: Roger, Juan Andrés. 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: Fusco, Patricia. Universidad Nacional de La Matanza; Argentina.
Materia
INFORMATICA
PROCESAMIENTO DE DATOS
006.312
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
Repositorio Digital UNLaM
Institución
Universidad Nacional de La Matanza
OAI Identificador
oai:repositoriocyt.unlam.edu.ar:123456789/153
Acceder
id RDUNLAM_994e90780198deadb084ce76e1540f8c
oai_identifier_str oai:repositoriocyt.unlam.edu.ar:123456789/153
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 JorgePerissé, Marcelo ClaudioRoger, Juan AndrésBarreto, JorgeMalagrino, SebastiánFusco, PatriciaINFORMATICAPROCESAMIENTO 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. En las décadas pasadas se han desarrollado varias técnicas y teorías para tratar datos de naturaleza imprecisa, como la teoría fuzzy y la teoría de las funciones de creencia de Dempster-Shafer. 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: Perissé, Marcelo Claudio. Universidad Nacional de La Matanza; Argentina.Fil: Roger, Juan Andrés. 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: Fusco, Patricia. Universidad Nacional de La Matanza; Argentina.Universidad Nacional de La MatanzaGalardo, Osvaldo Jorge20132018-11-22T17:43:17Z2018-11-22T17:43:17Z2013info:eu-repo/semantics/reportinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_18ghinfo:ar-repo/semantics/informeTecnicoapplication/pdfapplication/pdfGalardo, O. J., Perissé, M. C., Roger, J. A., Barreto, J., Malagrino, S. y Fusco, P. (2013). Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre [archivo PDF]. San Justo: Universidad Nacional de La Matanza. Recuperado de http://repositoriocyt.unlam.edu.ar/handle/123456789/153http://repositoriocyt.unlam.edu.ar/handle/123456789/153spainfo:eu-repo/grantAgreement/SPU/PROINCE/B167/AR. Buenos Aires. San Justo/Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbreinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/Licencia Creative Commons Atribución-NoComercial-CompartirIgual 2.5 Argentina (CC BY-NC-SA 2.5 AR)reponame:Repositorio Digital UNLaMinstname:Universidad Nacional de La Matanza2025-10-23T11:16:47Zoai:repositoriocyt.unlam.edu.ar:123456789/153instacron:UNLaMInstitucionalhttps://repositoriocyt.unlam.edu.ar/Universidad públicaNo correspondehttps://repositoriocyt.unlam.edu.ar/oaicytunlam@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-10-23 11:16:47.596Repositorio 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
INFORMATICA
PROCESAMIENTO 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
Perissé, Marcelo Claudio
Roger, Juan Andrés
Barreto, Jorge
Malagrino, Sebastián
Fusco, Patricia
author Galardo, Osvaldo Jorge
author_facet Galardo, Osvaldo Jorge
Perissé, Marcelo Claudio
Roger, Juan Andrés
Barreto, Jorge
Malagrino, Sebastián
Fusco, Patricia
author_role author
author2 Perissé, Marcelo Claudio
Roger, Juan Andrés
Barreto, Jorge
Malagrino, Sebastián
Fusco, Patricia
author2_role author
author
author
author
author
dc.contributor.none.fl_str_mv Galardo, Osvaldo Jorge
dc.subject.none.fl_str_mv INFORMATICA
PROCESAMIENTO DE DATOS
006.312
topic INFORMATICA
PROCESAMIENTO 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. En las décadas pasadas se han desarrollado varias técnicas y teorías para tratar datos de naturaleza imprecisa, como la teoría fuzzy y la teoría de las funciones de creencia de Dempster-Shafer. 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: Perissé, Marcelo Claudio. Universidad Nacional de La Matanza; Argentina.
Fil: Roger, Juan Andrés. 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: 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. En las décadas pasadas se han desarrollado varias técnicas y teorías para tratar datos de naturaleza imprecisa, como la teoría fuzzy y la teoría de las funciones de creencia de Dempster-Shafer. 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 2013
dc.date.none.fl_str_mv 2013
2013
2018-11-22T17:43:17Z
2018-11-22T17:43:17Z
dc.type.none.fl_str_mv info:eu-repo/semantics/report
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_18gh
info:ar-repo/semantics/informeTecnico
format report
status_str acceptedVersion
dc.identifier.none.fl_str_mv Galardo, O. J., Perissé, M. C., Roger, J. A., Barreto, J., Malagrino, S. y Fusco, P. (2013). Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre [archivo PDF]. San Justo: Universidad Nacional de La Matanza. Recuperado de http://repositoriocyt.unlam.edu.ar/handle/123456789/153
http://repositoriocyt.unlam.edu.ar/handle/123456789/153
identifier_str_mv Galardo, O. J., Perissé, M. C., Roger, J. A., Barreto, J., Malagrino, S. y Fusco, P. (2013). Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre [archivo PDF]. San Justo: Universidad Nacional de La Matanza. Recuperado de http://repositoriocyt.unlam.edu.ar/handle/123456789/153
url http://repositoriocyt.unlam.edu.ar/handle/123456789/153
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/grantAgreement/SPU/PROINCE/B167/AR. Buenos Aires. San Justo/Sistemas grises y conjuntos rugosos en el tratamiento de información con incertidumbre
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Licencia Creative Commons Atribución-NoComercial-CompartirIgual 2.5 Argentina (CC BY-NC-SA 2.5 AR)
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Licencia Creative Commons Atribución-NoComercial-CompartirIgual 2.5 Argentina (CC BY-NC-SA 2.5 AR)
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de La Matanza
publisher.none.fl_str_mv Universidad Nacional de La Matanza
dc.source.none.fl_str_mv 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_ 1846787634710446080
score 12.982451

Publicaciones similares