Diferenciaciones de objetos en bases de datos difusas

Amaury Caballero; Gabriel Velasco; Aldo Pardo García

doi:10.24054/rcta.v1i21.1899

Authors

Amaury Caballero Florida International University
Gabriel Velasco Florida International University
Aldo Pardo García Universidad de Pamplona

DOI:

https://doi.org/10.24054/rcta.v1i21.1899

Keywords:

Bases de datos difusas, Clasificación, teoría de la información

Abstract

El artículo presenta un método para la clasificación de los objetos, en donde los parámetros para cada objeto pueden variar, así como sus valores en cierto rango. Las Bases de datos difusas están presentes con frecuencia debido al hecho de que las condiciones de transmisión o variación en los sensores pueden producir diferentes valores recibidos para el mismo objeto y parámetro. El método utiliza los conceptos básicos de la teoría de la información. Cálculo de la pérdida de información debido a la coincidencia en el mismo parámetro para objetos diferentes, es posible encontrar el menor número de parámetros para la discriminación bajo ciertas restricciones de error, y a partir de allí, los objetos o clases diferentes pueden ser discriminados.

Downloads

Download data is not yet available.

References

Ying Chieh, T., et al. (2006). Entropy-Based Fuzzy Rough Classification Approach for Extracting Classification Rules, Expert systems with Applications, No. 31, pp. 436-443.

Battiti, R. (1991). Using mutual information for Selecting Features in Supervised Neural Net Learning, IEEE Transactions on Neural Networks, No. 5, pp. 537-550.

Granger, E., et al. (2000). Classification of Incomplete Data Using the Fuzzy ARTMAP Neural Network, Technical Report. Boston U., Center for Adaptive Systems and Dept. of Adaptive Neural Systems, January.

Caballero A., et al. (2010). A practical Solution for the Classification in Interval-Valued Information systems, WSEAS Transactions on Systems and Control, Issue 9, Vol. 5, September, pp.735-744.

Leung, Y., et al. (2007). A Rough Set Approach for the Discovery of Classification Rules in Interval-valued Information Systems, Int’l J. of Approximate Reasoning, No. 47, pp. 233-246.

Fisher, R. (1936). The use of Multiple Measurements in Taxonomic Problem, Annals of Eugenics Cambridge University Press, V. 7, pp.179-138.