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
- Institución
- Universidad Nacional de La Matanza
- OAI Identificador
- oai:repositoriocyt.unlam.edu.ar:123456789/153
Ver los metadatos del registro completo
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 Matanza2025-09-29T14:28:41Zoai:repositoriocyt.unlam.edu.ar:123456789/153instacron:UNLaMInstitucionalhttps://repositoriocyt.unlam.edu.ar/Universidad públicaNo correspondehttps://repositoriocyt.unlam.edu.ar/oaicytunlam@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-09-29 14:28:41.352Repositorio 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_ |
1844621530583007232 |
score |
12.559606 |