Resumen

FERNANDEZ-HERNANDEZ, Yumilka B. et al. Una mejora a la clasificación basada en la medida calidad de la similaridad utilizando relaciones borrosas. Dyna rev.fac.nac.minas [online]. 2015, vol.82, n.193, pp.70-76. ISSN 0012-7353.  https://doi.org/10.15446/dyna.v82n193.45989.

El aprendizaje de reglas de clasificación es un problema clásico del aprendizaje automático. El algoritmo IRBASIR para la inducción de reglas de clasificación basado en relaciones de similaridad permite descubrir conocimiento a partir de sistemas de decisión que contienen rasgos tanto discretos como continuos. El mismo ha mostrado obtener resultados superiores a otros algoritmos conocidos en este tema. En este artículo se proponen varias modificaciones a este algoritmo basadas en la Teoría de los Conjuntos Borrosos, debido a las ventajas que estos poseen, teniendo en cuenta la medida calidad de similaridad. Los resultados experimentales muestran que utilizando la Teoría de los Conjuntos Borrosos se obtienen resultados estadísticamente superiores al algoritmo original.

Palabras clave : reglas de clasificación; conjuntos borrosos; relaciones de similaridad.

        · resumen en Inglés     · texto en Español     · Español ( pdf )