Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio
- Autores
- Jimbo Santana, Patricia Rosalía
- Año de publicación
- 2021
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Esta tesis tiene por objetivo principal contribuir al área conformada por la Minería de datos y el Riesgo Financiero especialmente en el área de crédito, disponiendo de estrategias capaces de generar automáticamente reglas de clasificación difusas, resultando de suma utilidad en cualquier proceso de toma de decisiones. El método desarrollado denominado FRvarPSO, es capaz de operar sobre atributos nominales y numéricos, para obtener reglas de clasificación difusas que combina una red neuronal competitiva con una técnica de optimización basada en un cúmulo de partículas de población variable. La función de aptitud que controla el movimiento de las partículas utiliza un criterio de votación que pondera, de manera difusa, la participación de los atributos numéricos. La eficiencia y eficacia de este método se encuentran fuertemente condicionadas por la manera en que se determinen las funciones de pertenencia de cada uno de los conjuntos difusos, se consideran varias alternativas entre las que mencionamos particionando el rango de cada atributo numérico en intervalos de igual longitud, centrando, en cada uno de ellos, una función triangular con un solapamiento adecuado, utilizando el criterio del experto, y utilizando Fuzzy C-Means para la obtención de los conjuntos difusos. Uno de los principales aportes es en el área del riesgo financiero, ya que asocia el peso de la regla difusa al riesgo que puede asumir el usuario en la interpretación de la regla. Los resultados obtenidos fueron comparados con la versión anterior sobre 11 bases de datos del repositorio UCI y 3 bases de datos reales del sistema financiero ecuatoriano, una de las cuales es una cooperativa de ahorro y crédito y las dos restantes pertenecen a bancos encargados de dar crédito de consumo productivo, no productivo y microcrédito. Los resultados obtenidos fueron satisfactorios.
Eje: Tesis de Doctorado.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Riesgo
Reglas de Clasificación Difusas
Optimización mediante Cúmulo de partículas tamaño variable
Minería de Datos - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/120583
Ver los metadatos del registro completo
id |
SEDICI_a8e0228f1cbf5a01c8c3079b057f530b |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/120583 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticioJimbo Santana, Patricia RosalíaCiencias InformáticasRiesgoReglas de Clasificación DifusasOptimización mediante Cúmulo de partículas tamaño variableMinería de DatosEsta tesis tiene por objetivo principal contribuir al área conformada por la Minería de datos y el Riesgo Financiero especialmente en el área de crédito, disponiendo de estrategias capaces de generar automáticamente reglas de clasificación difusas, resultando de suma utilidad en cualquier proceso de toma de decisiones. El método desarrollado denominado FRvarPSO, es capaz de operar sobre atributos nominales y numéricos, para obtener reglas de clasificación difusas que combina una red neuronal competitiva con una técnica de optimización basada en un cúmulo de partículas de población variable. La función de aptitud que controla el movimiento de las partículas utiliza un criterio de votación que pondera, de manera difusa, la participación de los atributos numéricos. La eficiencia y eficacia de este método se encuentran fuertemente condicionadas por la manera en que se determinen las funciones de pertenencia de cada uno de los conjuntos difusos, se consideran varias alternativas entre las que mencionamos particionando el rango de cada atributo numérico en intervalos de igual longitud, centrando, en cada uno de ellos, una función triangular con un solapamiento adecuado, utilizando el criterio del experto, y utilizando Fuzzy C-Means para la obtención de los conjuntos difusos. Uno de los principales aportes es en el área del riesgo financiero, ya que asocia el peso de la regla difusa al riesgo que puede asumir el usuario en la interpretación de la regla. Los resultados obtenidos fueron comparados con la versión anterior sobre 11 bases de datos del repositorio UCI y 3 bases de datos reales del sistema financiero ecuatoriano, una de las cuales es una cooperativa de ahorro y crédito y las dos restantes pertenecen a bancos encargados de dar crédito de consumo productivo, no productivo y microcrédito. Los resultados obtenidos fueron satisfactorios.Eje: Tesis de Doctorado.Red de Universidades con Carreras en Informática2021-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1050-1060http://sedici.unlp.edu.ar/handle/10915/120583spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-24611-3-3info:eu-repo/semantics/altIdentifier/isbn/978-987-24611-4-0info:eu-repo/semantics/reference/hdl/10915/119487info:eu-repo/semantics/reference/hdl/10915/119490info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:28:34Zoai:sedici.unlp.edu.ar:10915/120583Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:28:34.667SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio |
title |
Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio |
spellingShingle |
Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio Jimbo Santana, Patricia Rosalía Ciencias Informáticas Riesgo Reglas de Clasificación Difusas Optimización mediante Cúmulo de partículas tamaño variable Minería de Datos |
title_short |
Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio |
title_full |
Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio |
title_fullStr |
Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio |
title_full_unstemmed |
Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio |
title_sort |
Obtención de reglas de clasificación difusas utilizando técnicas de optimización : Caso de estudio riesgo crediticio |
dc.creator.none.fl_str_mv |
Jimbo Santana, Patricia Rosalía |
author |
Jimbo Santana, Patricia Rosalía |
author_facet |
Jimbo Santana, Patricia Rosalía |
author_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Riesgo Reglas de Clasificación Difusas Optimización mediante Cúmulo de partículas tamaño variable Minería de Datos |
topic |
Ciencias Informáticas Riesgo Reglas de Clasificación Difusas Optimización mediante Cúmulo de partículas tamaño variable Minería de Datos |
dc.description.none.fl_txt_mv |
Esta tesis tiene por objetivo principal contribuir al área conformada por la Minería de datos y el Riesgo Financiero especialmente en el área de crédito, disponiendo de estrategias capaces de generar automáticamente reglas de clasificación difusas, resultando de suma utilidad en cualquier proceso de toma de decisiones. El método desarrollado denominado FRvarPSO, es capaz de operar sobre atributos nominales y numéricos, para obtener reglas de clasificación difusas que combina una red neuronal competitiva con una técnica de optimización basada en un cúmulo de partículas de población variable. La función de aptitud que controla el movimiento de las partículas utiliza un criterio de votación que pondera, de manera difusa, la participación de los atributos numéricos. La eficiencia y eficacia de este método se encuentran fuertemente condicionadas por la manera en que se determinen las funciones de pertenencia de cada uno de los conjuntos difusos, se consideran varias alternativas entre las que mencionamos particionando el rango de cada atributo numérico en intervalos de igual longitud, centrando, en cada uno de ellos, una función triangular con un solapamiento adecuado, utilizando el criterio del experto, y utilizando Fuzzy C-Means para la obtención de los conjuntos difusos. Uno de los principales aportes es en el área del riesgo financiero, ya que asocia el peso de la regla difusa al riesgo que puede asumir el usuario en la interpretación de la regla. Los resultados obtenidos fueron comparados con la versión anterior sobre 11 bases de datos del repositorio UCI y 3 bases de datos reales del sistema financiero ecuatoriano, una de las cuales es una cooperativa de ahorro y crédito y las dos restantes pertenecen a bancos encargados de dar crédito de consumo productivo, no productivo y microcrédito. Los resultados obtenidos fueron satisfactorios. Eje: Tesis de Doctorado. Red de Universidades con Carreras en Informática |
description |
Esta tesis tiene por objetivo principal contribuir al área conformada por la Minería de datos y el Riesgo Financiero especialmente en el área de crédito, disponiendo de estrategias capaces de generar automáticamente reglas de clasificación difusas, resultando de suma utilidad en cualquier proceso de toma de decisiones. El método desarrollado denominado FRvarPSO, es capaz de operar sobre atributos nominales y numéricos, para obtener reglas de clasificación difusas que combina una red neuronal competitiva con una técnica de optimización basada en un cúmulo de partículas de población variable. La función de aptitud que controla el movimiento de las partículas utiliza un criterio de votación que pondera, de manera difusa, la participación de los atributos numéricos. La eficiencia y eficacia de este método se encuentran fuertemente condicionadas por la manera en que se determinen las funciones de pertenencia de cada uno de los conjuntos difusos, se consideran varias alternativas entre las que mencionamos particionando el rango de cada atributo numérico en intervalos de igual longitud, centrando, en cada uno de ellos, una función triangular con un solapamiento adecuado, utilizando el criterio del experto, y utilizando Fuzzy C-Means para la obtención de los conjuntos difusos. Uno de los principales aportes es en el área del riesgo financiero, ya que asocia el peso de la regla difusa al riesgo que puede asumir el usuario en la interpretación de la regla. Los resultados obtenidos fueron comparados con la versión anterior sobre 11 bases de datos del repositorio UCI y 3 bases de datos reales del sistema financiero ecuatoriano, una de las cuales es una cooperativa de ahorro y crédito y las dos restantes pertenecen a bancos encargados de dar crédito de consumo productivo, no productivo y microcrédito. Los resultados obtenidos fueron satisfactorios. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-04 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/120583 |
url |
http://sedici.unlp.edu.ar/handle/10915/120583 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-24611-3-3 info:eu-repo/semantics/altIdentifier/isbn/978-987-24611-4-0 info:eu-repo/semantics/reference/hdl/10915/119487 info:eu-repo/semantics/reference/hdl/10915/119490 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf 1050-1060 |
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_ |
1844616163873521664 |
score |
13.069144 |