Título: Aplicación del modelo de conjuntos aproximados de precisión variable para estimar la probabilidad que tiene cada elemento de ser excepcional
Autores: Fernández Oliva, Alberto
Abreu Ortega, Miguel
Iglesias Álvarez, Carlos Alberto
Rodríguez Fonte, Armando
Fernández Baizán, Covadonga
Maciá Pérez, Francisco
Fecha: 2010-12-22
2010-12-22
2010
Publicador: RUA Docencia
Fuente:
Tipo: info:eu-repo/semantics/bookPart
Tema: Data mining
Outliers
Teoría de conjuntos aproximados
KDD
Arquitectura y Tecnología de Computadores
Descripción: 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.
Idioma: Español

Artículos similares:

Choosing the correct paradigm for unknown words in rule-based machine translation systems por Sánchez Cartagena, Víctor Manuel,Esplà Gomis, Miquel,Sánchez Martínez, Felipe,Pérez Ortiz, Juan Antonio
Using external sources of bilingual information for on-the-fly word alignment por Esplà Gomis, Miquel,Sánchez Martínez, Felipe,Forcada Zubizarreta, Mikel L.
10