ALGORITMO PARA EL APRENDIZAJE DE REGLAS DE CLASIFICACION BASADO EN LA TEORÍA DE LOS CONJUNTOS APROXIMADOS EXTENDIDA

ALGORITMO PARA EL APRENDIZAJE DE REGLAS DE CLASIFICACION BASADO EN LA TEORÍA DE LOS CONJUNTOS APROXIMADOS EXTENDIDA

Los conjuntos aproximados han demostrado ser efectivos para desarrollar técnicas de aprendizaje automático, entre ellos métodos para el descubrimiento de reglas de clasificación. En este trabajo se presenta un algoritmo para generar reglas de clasificación basado en relaciones de similaridad, lo que...

Full description

Bibliographic Details
Main Authors: YAIMA FILIBERTO, RAFAEL BELLO, YAILÉ CABALLERO, MABEL FRÍAS
Format: Article
Language:English
Published: Universidad Nacional de Colombia 2011-01-01
Series:Dyna
Online Access:http://www.redalyc.org/articulo.oa?id=49622390007
id doaj-729a760917eb4cc28882ae4e3ef5c9b7
record_format Article
spelling doaj-729a760917eb4cc28882ae4e3ef5c9b72020-11-24T23:10:36ZengUniversidad Nacional de Colombia Dyna0012-73532011-01-01781696270ALGORITMO PARA EL APRENDIZAJE DE REGLAS DE CLASIFICACION BASADO EN LA TEORÍA DE LOS CONJUNTOS APROXIMADOS EXTENDIDAYAIMA FILIBERTORAFAEL BELLOYAILÉ CABALLEROMABEL FRÍASLos conjuntos aproximados han demostrado ser efectivos para desarrollar técnicas de aprendizaje automático, entre ellos métodos para el descubrimiento de reglas de clasificación. En este trabajo se presenta un algoritmo para generar reglas de clasificación basado en relaciones de similaridad, lo que permite que sea aplicable en casos donde los rasgos tienen dominio discreto o continuo. Los resultados experimentales muestran un desempeño satisfactorio en comparación con otros algoritmos conocidos como C4.5 y MODLEM.http://www.redalyc.org/articulo.oa?id=49622390007
collection DOAJ
language English
format Article
sources DOAJ
author YAIMA FILIBERTO
RAFAEL BELLO
YAILÉ CABALLERO
MABEL FRÍAS
spellingShingle YAIMA FILIBERTO
RAFAEL BELLO
YAILÉ CABALLERO
MABEL FRÍAS
ALGORITMO PARA EL APRENDIZAJE DE REGLAS DE CLASIFICACION BASADO EN LA TEORÍA DE LOS CONJUNTOS APROXIMADOS EXTENDIDA
Dyna
author_facet YAIMA FILIBERTO
RAFAEL BELLO
YAILÉ CABALLERO
MABEL FRÍAS
author_sort YAIMA FILIBERTO
title ALGORITMO PARA EL APRENDIZAJE DE REGLAS DE CLASIFICACION BASADO EN LA TEORÍA DE LOS CONJUNTOS APROXIMADOS EXTENDIDA
title_short ALGORITMO PARA EL APRENDIZAJE DE REGLAS DE CLASIFICACION BASADO EN LA TEORÍA DE LOS CONJUNTOS APROXIMADOS EXTENDIDA
title_full ALGORITMO PARA EL APRENDIZAJE DE REGLAS DE CLASIFICACION BASADO EN LA TEORÍA DE LOS CONJUNTOS APROXIMADOS EXTENDIDA
title_fullStr ALGORITMO PARA EL APRENDIZAJE DE REGLAS DE CLASIFICACION BASADO EN LA TEORÍA DE LOS CONJUNTOS APROXIMADOS EXTENDIDA
title_full_unstemmed ALGORITMO PARA EL APRENDIZAJE DE REGLAS DE CLASIFICACION BASADO EN LA TEORÍA DE LOS CONJUNTOS APROXIMADOS EXTENDIDA
title_sort algoritmo para el aprendizaje de reglas de clasificacion basado en la teoría de los conjuntos aproximados extendida
publisher Universidad Nacional de Colombia
series Dyna
issn 0012-7353
publishDate 2011-01-01
description Los conjuntos aproximados han demostrado ser efectivos para desarrollar técnicas de aprendizaje automático, entre ellos métodos para el descubrimiento de reglas de clasificación. En este trabajo se presenta un algoritmo para generar reglas de clasificación basado en relaciones de similaridad, lo que permite que sea aplicable en casos donde los rasgos tienen dominio discreto o continuo. Los resultados experimentales muestran un desempeño satisfactorio en comparación con otros algoritmos conocidos como C4.5 y MODLEM.
url http://www.redalyc.org/articulo.oa?id=49622390007
work_keys_str_mv AT yaimafiliberto algoritmoparaelaprendizajedereglasdeclasificacionbasadoenlateoriadelosconjuntosaproximadosextendida
AT rafaelbello algoritmoparaelaprendizajedereglasdeclasificacionbasadoenlateoriadelosconjuntosaproximadosextendida
AT yailecaballero algoritmoparaelaprendizajedereglasdeclasificacionbasadoenlateoriadelosconjuntosaproximadosextendida
AT mabelfrias algoritmoparaelaprendizajedereglasdeclasificacionbasadoenlateoriadelosconjuntosaproximadosextendida
_version_ 1725606430874009600

Similar Items