Obtención de reglas de clasificación utilizando estrategias adaptativas

Autores
Villa Monte, Augusto
Año de publicación
2013
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Lanzarini, Laura Cristina
Descripción
En la actualidad, la mayoría de los procesos cuentan con información histórica lo suficientemente grande como para que sea difícil procesarla en forma manual. La Minería de Datos, una de las etapas más importantes del proceso de Extracción de Conocimiento, cuenta con un conjunto de técnicas capaces de modelizar y resumir esos datos históricos, facilitando su comprensión y ayudando a la toma de decisiones en situaciones futuras. Esta tesina presenta una nueva técnica de Minería de Datos, llamada SOM+PSO, capaz de construir, a partir de la información disponible, un conjunto reducido de reglas de clasificación sencillas de cuya lectura se desprenden las relaciones más importantes entre las características registradas. También se detallan los resultados obtenidos y se los compara contra un método existente en la literatura, el cual fue seleccionado por considerarlo un referente en el tema.
Licenciado en Sistemas
Universidad Nacional de La Plata
Facultad de Informática
Materia
Informática
reglas de clasificación
Minería de Datos
mapas auto-organizativos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/47056

id SEDICI_9f683bb76cdcb05c600d6aac56d9db4f
oai_identifier_str oai:sedici.unlp.edu.ar:10915/47056
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Obtención de reglas de clasificación utilizando estrategias adaptativasVilla Monte, AugustoInformáticareglas de clasificaciónMinería de Datosmapas auto-organizativosEn la actualidad, la mayoría de los procesos cuentan con información histórica lo suficientemente grande como para que sea difícil procesarla en forma manual. La Minería de Datos, una de las etapas más importantes del proceso de Extracción de Conocimiento, cuenta con un conjunto de técnicas capaces de modelizar y resumir esos datos históricos, facilitando su comprensión y ayudando a la toma de decisiones en situaciones futuras. Esta tesina presenta una nueva técnica de Minería de Datos, llamada SOM+PSO, capaz de construir, a partir de la información disponible, un conjunto reducido de reglas de clasificación sencillas de cuya lectura se desprenden las relaciones más importantes entre las características registradas. También se detallan los resultados obtenidos y se los compara contra un método existente en la literatura, el cual fue seleccionado por considerarlo un referente en el tema.Licenciado en SistemasUniversidad Nacional de La PlataFacultad de InformáticaLanzarini, Laura Cristina2013-02info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/47056spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/Creative Commons Attribution 4.0 International (CC BY 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:02:50Zoai:sedici.unlp.edu.ar:10915/47056Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:02:51.14SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Obtención de reglas de clasificación utilizando estrategias adaptativas
title Obtención de reglas de clasificación utilizando estrategias adaptativas
spellingShingle Obtención de reglas de clasificación utilizando estrategias adaptativas
Villa Monte, Augusto
Informática
reglas de clasificación
Minería de Datos
mapas auto-organizativos
title_short Obtención de reglas de clasificación utilizando estrategias adaptativas
title_full Obtención de reglas de clasificación utilizando estrategias adaptativas
title_fullStr Obtención de reglas de clasificación utilizando estrategias adaptativas
title_full_unstemmed Obtención de reglas de clasificación utilizando estrategias adaptativas
title_sort Obtención de reglas de clasificación utilizando estrategias adaptativas
dc.creator.none.fl_str_mv Villa Monte, Augusto
author Villa Monte, Augusto
author_facet Villa Monte, Augusto
author_role author
dc.contributor.none.fl_str_mv Lanzarini, Laura Cristina
dc.subject.none.fl_str_mv Informática
reglas de clasificación
Minería de Datos
mapas auto-organizativos
topic Informática
reglas de clasificación
Minería de Datos
mapas auto-organizativos
dc.description.none.fl_txt_mv En la actualidad, la mayoría de los procesos cuentan con información histórica lo suficientemente grande como para que sea difícil procesarla en forma manual. La Minería de Datos, una de las etapas más importantes del proceso de Extracción de Conocimiento, cuenta con un conjunto de técnicas capaces de modelizar y resumir esos datos históricos, facilitando su comprensión y ayudando a la toma de decisiones en situaciones futuras. Esta tesina presenta una nueva técnica de Minería de Datos, llamada SOM+PSO, capaz de construir, a partir de la información disponible, un conjunto reducido de reglas de clasificación sencillas de cuya lectura se desprenden las relaciones más importantes entre las características registradas. También se detallan los resultados obtenidos y se los compara contra un método existente en la literatura, el cual fue seleccionado por considerarlo un referente en el tema.
Licenciado en Sistemas
Universidad Nacional de La Plata
Facultad de Informática
description En la actualidad, la mayoría de los procesos cuentan con información histórica lo suficientemente grande como para que sea difícil procesarla en forma manual. La Minería de Datos, una de las etapas más importantes del proceso de Extracción de Conocimiento, cuenta con un conjunto de técnicas capaces de modelizar y resumir esos datos históricos, facilitando su comprensión y ayudando a la toma de decisiones en situaciones futuras. Esta tesina presenta una nueva técnica de Minería de Datos, llamada SOM+PSO, capaz de construir, a partir de la información disponible, un conjunto reducido de reglas de clasificación sencillas de cuya lectura se desprenden las relaciones más importantes entre las características registradas. También se detallan los resultados obtenidos y se los compara contra un método existente en la literatura, el cual fue seleccionado por considerarlo un referente en el tema.
publishDate 2013
dc.date.none.fl_str_mv 2013-02
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
Tesis de grado
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/47056
url http://sedici.unlp.edu.ar/handle/10915/47056
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615896362909696
score 13.070432