Aplicación del modelo de conjuntos aproximados de precisión variable para estimar la probabilidad que tiene cada elemento de ser excepcional
Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10045/15747
Título: | Aplicación del modelo de conjuntos aproximados de precisión variable para estimar la probabilidad que tiene cada elemento de ser excepcional |
---|---|
Autor/es: | Fernández Oliva, Alberto | Abreu Ortega, Miguel | Iglesias Álvarez, Carlos Alberto | Rodríguez Fonte, Armando | Fernández Baizán, Covadonga | Maciá Pérez, Francisco |
Grupo/s de investigación o GITE: | GrupoM. Redes y Middleware |
Centro, Departamento o Servicio: | Universidad de Alicante. Departamento de Tecnología Informática y Computación | Universidad de La Habana. Departamento de Ciencia de la Computación | Universidad Politécnica de Madrid. Departamento de Lenguajes y Sistemas Informáticos e Ingeniería del Software |
Palabras clave: | Data mining | Outliers | Teoría de conjuntos aproximados | KDD |
Área/s de conocimiento: | Arquitectura y Tecnología de Computadores |
Fecha de publicación: | 2010 |
Editor: | GrupoM |
Cita bibliográfica: | FERNÁNDEZ OLIVA, Alberto, et al. “Aplicación del modelo de conjuntos aproximados de precisión variable para estimar la probabilidad que tiene cada elemento de ser excepcional”. En: Desarrollo de grandes aplicaciones de red : VII Jornadas, JDARE 2010, Alicante, España, octubre 14-15, 2010, actas. San Vicente, Alicante : Grupo M, Universidad de Alicante, 2010. ISBN 978-84-614-3720-7, pp. 371-388 |
Resumen: | En un proceso de Data Mining, la detección de outliers intenta aprovechar la elevada marginalidad de estos objetos para detectarlos midiendo su grado de desviación respecto a los patrones de comportamiento representativos y desentrañar así conocimiento relevante. Si bien la aplicación de la Teoría de Conjuntos Aproximados (Rough Sets-RS) al campo de los procesos de búsqueda de información en grandes volúmenes de datos (KDD) viene realizándose desde su formulación en la década de los 80, en los últimos años se ha comenzado a considerar la detección de outliers como un proceso de KDD con interés en sí mismo. La combinación de ambos enfoques, Rough Sets como fundamento para la caracterización y detección de outliers, es un punto de vista absolutamente nuevo, con un gran potencial de interés teórico y aplicabilidad práctica. En el presente artículo se presenta un marco teórico basado en el Modelo de Conjuntos Aproximados de Precisión Variable que permite establecer una aproximación estocástica a la solución del problema de determinar si un elemento dado es outlier dentro de un determinado universo de datos. |
URI: | http://hdl.handle.net/10045/15747 |
ISBN: | 978-84-614-3720-7 |
Idioma: | spa |
Tipo: | info:eu-repo/semantics/bookPart |
Revisión científica: | si |
Aparece en las colecciones: | INV - GrupoM - Capítulos de Libros |
Archivos en este ítem:
Archivo | Descripción | Tamaño | Formato | |
---|---|---|---|---|
JDARE-10-K.pdf | 643,48 kB | Adobe PDF | Abrir Vista previa | |
Todos los documentos en RUA están protegidos por derechos de autor. Algunos derechos reservados.