Algoritmo de selección de rasgos en fuentes de datos distribuidas

Vista sencilla de ítem
dc.contributor.advisorDíaz Bello, Wilver
dc.contributor.advisorPuris Cáceres, Amílkar Yudier
dc.contributor.authorCasanovas Pedre, Enrique Alfonso
dc.coverage.spatial1016432en_US
dc.date.accessioned2016-11-24T22:50:39Z
dc.date.available2016-11-24T22:50:39Z
dc.date.issued2012-06-26
dc.description.abstractEl problema de selección de rasgos consiste en la elección de los atributos que mejor clasifican a los objetos de un dominio determinado; una de las fases más importantes del proceso conocido como Descubrimiento de Conocimiento en Bases de Datos (KDD). En muchos dominios de aplicación, los datos se encuentran en múltiples fuentes aisladas unas de otras, y por diversas razones, no es posible unirlos en una única fuente de datos. Para el estudio de este problema fue creada la Minería de Datos Distribuida (DDM), perteneciente también al KDD, y a la selección de rasgos en dicho contexto se le llama selección de rasgos en fuentes de datos distribuidas. Esta es un área de la ciencia que no ha sido ampliamente estudiada y a la que no se le han encontrado soluciones definitivas. Esta tesis se presenta un enfoque para resolver el problema de selección de rasgos utilizando la Teoría de Conjuntos Aproximados, la Teoría de la Información y la Optimización basada en Colonias de Hormigas y se extiende dicho enfoque para realizar la selección en múltiples fuentes de datos mediante un mecanismo de intercambio de metadatos. Se realiza además una validación de los modelos propuestos utilizando seis fuentes de datos del Repositorio UCI y se comparan los resultados obtenidos con los de otros modelos presentes en la bibliografía.en_US
dc.description.abstractThe feature selection problem consists in selecting the attributes that better classify the objects of a given domain; one of the most important stages of the process known as Knowledge Discovery in Databases (KDD). In many application domains, data is found in multiple isolated sources one from each other, and because of different reasons it is not possible to join them all together in a single data source. Towards the study of this problem the Distributed Data Mining (DDM) was created, which belongs to KDD, and feature selection on this context is called feature selection on distributed data sources. This is an area of science with no definite solutions and which has not been widely studied. In this thesis it is presented an approach to solve the feature selection problem using Rough Set Theory, Information Theory and Ant Colony Optimization and such approach is extended to achieve the selection in multiple data sources by means of a metadata interchange mechanism. It is also done a validation of the proposed models using six data sources from the UCI Repository and the obtained results are compared with those from other models in the bibliography.en_US
dc.description.sponsorshipFacultad de Matemática, Física y Computación. Departamento de Ciencias de la Computaciónen_US
dc.description.statusnon-publisheden_US
dc.identifier.urihttps://dspace.uclv.edu.cu/handle/123456789/7041
dc.language.isoesen_US
dc.publisherUniversidad Central “Marta Abreu” de Las Villasen_US
dc.rightsEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas. Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: Creative Commons: Atribución-No Comercial-Compartir Igual 4.0 Licenseen_US
dc.subjectAlgoritmoen_US
dc.subjectSelección de Rasgosen_US
dc.subjectDatos Distribuidosen_US
dc.subjectConjuntos Aproximadosen_US
dc.subjectTeoría de la Informaciónen_US
dc.subjectColonias de Hormigasen_US
dc.subjectIntercambio de Metadatosen_US
dc.subjectRepositorio UCIen_US
dc.titleAlgoritmo de selección de rasgos en fuentes de datos distribuidasen_US
dc.typeThesisen_US
dc.type.thesisbacheloren_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Algoritmo de selección de rasgos en fuentes de datos distribuidas.pdf
Tamaño:
2.2 MB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
3.33 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Tesis de Pregrado - Licenciatura en Ciencias de la Computación