Tesis de Doctorado - UCLV
URI permanente para esta comunidad
En esta Subcomunidad se encuentran las colecciones donde están depositadas las Tesis de Doctor en Ciencias defendidas dentro de los distintos Tribunales de Grado Científico aprobados por el Ministerio de Educación Superior. También se dispone de una colección para aquellas tesis doctorales defendidas por personal de la UCLV en programas de universidades extranjeras, siempre que estas últimas hayan autorizado su depósito en este Repositorio Digital.
Examinar
Examinando Tesis de Doctorado - UCLV por Autor "Bello Pérez, Rafael Esteban"
Mostrando 1 - 5 de 5
Resultados por página
Opciones de ordenación
Ítem Acceso Abierto Agrupamiento basado en la intermediación diferencial y su valoración utilizando la teoría de los conjuntos aproximados(Universidad Central "Marta Abreu" de Las Villas. Facultad de Matemática, Física y Computación. Departamento de Ciencias de la Computación, 2008) Arco García, Leticia; Bello Pérez, Rafael Esteban; Kruse, RudolfEn el agrupamiento sobre grafos existen métodos, basados en las relaciones de objetos, que tienen alto costo computacional porque utilizan medidas que no capturan eficientemente las propiedades topológicas. Además, las medidas de validación del agrupamiento no siempre dan criterios certeros. El objetivo de la investigación es diseñar medidas que capturen eficientemente la información topológica que codifica el problema, así como un método de agrupamiento que las utilice eficientemente, y validar el agrupamiento, utilizando una herramienta matemática que mida de manera no supervisada la calidad, precisión y consistencia de los grupos. Los resultados obtenidos son: la definición Intermediación Diferencial (DB) caracterizada por capturar eficiente y localmente la centralidad de aristas, no negociar valores de intermediación entre puentes paralelos, ser menos sensible al ruido, y comportarse como una medida de disimilitud topológica; el algoritmo para el agrupamiento basado en DB que no requiere el recálculo y tiene buen desempeño en dominios textuales; la aplicación de la Teoría de los Conjuntos Aproximados (RST) para la validación no supervisada y el etiquetamiento de grupos; el conjunto de medidas basadas en RST y el algoritmo para utilizarlas al validar agrupamientos; y los sistemas SATEX y GARLucene para manipular documentos y contribuir a la gestión de información y conocimiento.Ítem Acceso Abierto Algoritmos que combinan conjuntos aproximados y optimización basada en colonias de hormigas para la selección de rasgos. Extensión a múltiples fuentes de datos(Universidad Central “Marta Abreu” de Las Villas. Facultad de Matemática, Física y Computación. Departamento Ciencias de la Computación, 2010-12-12) Gómez Díaz, Yudel Rodrigo; Bello Pérez, Rafael Esteban; Nowé, AnnEn muchos dominios de aplicación, las fuentes de datos se encuentran esparcidas con grandes volúmenes de información y no es factible centralizar los datos en un único repositorio con la finalidad de descubrimiento de conocimiento. En este contexto de datos y sistemas distribuidos la Minería de Datos Distribuida es la disciplina que dedica el estudio a esta problemática. Un elemento clave en estos procesos es la correcta selección de los atributos principales que describen los datos. Sin embargo, hay determinados argumentos que demuestran aspectos en este campo donde la ciencia aún no ha dado respuestas concluyentes. Como una cuestión importante en esta investigación se ha explicado y validado como combinar con eficiencia la Optimización mediante Colonias de Hormigas (Ant Colony Optimization, ACO) y la Teoría de Conjuntos Aproximados (Rough Set Theory, RST) para obtener algoritmos de selección rasgos que operen en contexto distribuido o no. Un análisis del comportamiento del algoritmo ha establecido criterios sobre los parámetros, y se ofrecen alternativas para agilizar su tiempo de ejecución. El fundamento del contexto distribuido está basado en la cooperación entre subsistemas que comparten algún tipo de información sobre los datos que operan. En esta tesis se ha extendido la metaheurística ACO convirtiéndola en ACO multicolonias mediante intercambios de feromona; donde cada colonia representa un algoritmo ACO resolviendo un problema con un comportamiento colaborativo entre hormigas de otras colonias mediante intercambios "frecuentes" de feromona. Los algoritmos obtenidos han sido aplicados con éxitos al problema de predicciones de infartoagudo del miocardio en pacientes cardiópatas.Ítem Acceso Abierto Aplicación de la teoría de los conjuntos aproximados en el preprocesamiento de los conjuntos de entrenamiento para algoritmos de aprendizaje automatizado(Universidad Central "Marta Abreu" de Las Villas. Facultad de Matemática, Física y Computación. Departamento de Ciencias de la Computación, 2007) Caballeros Mota, Yailé; Bello Pérez, Rafael EstebanEn el Aprendizaje Automatizado es una necesidad el preprocesamiento de la información. La Teoría de los Conjuntos Aproximados (RST) abrió una nueva dirección en el desarrollo de teorías sobre la información incompleta y es una poderosa herramienta para el análisis de datos. En esta investigación se demuestra la posibilidad de usar esta teoría en el preprocesamiento de los datos, tanto para encontrar conjuntos reducidos de atributos y editar conjuntos de entrenamiento para resolver problemas de clasificación supervisada, como para generar conocimiento a priori sobre un conjunto de datos. Se proponen dos algoritmos para obtener reductos. Uno de ellos integra funciones de adaptabilidad con algoritmos basados en estimación de distribuciones. El otro, construye un reducto a través de funciones heurísticas que combinan criterios de relevancia de los atributos. Para la edición de conjuntos de entrenamiento, se proponen dos nuevos algoritmos basados en los conceptos de aproximación de la RST. Además, se desarrolla una propuesta para caracterizar a priori conjuntos de entrenamiento, usando medidas de estimación de la RST. Los métodos propuestos han sido estudiados experimentalmente usando bases de datos internacionales; así como su aplicación en el preprocesamiento de los datos para pronosticar, de forma automatizada, las temperaturas diarias en el Centro Meteorológico de Camagüey.Ítem Acceso Abierto Extensiones al razonamiento basado en casos para su aplicación en la planificación de procesos(Universidad Central “Marta Abreu” de Las Villas, 2005) Morell Pérez, Carlos Alexis; Bello Pérez, Rafael Esteban; Grau Ábalo, Ricardo del CorazónEl presente trabajo aborda el Razonamiento Basado en Casos (RBC) como una técnica actual y de gran aplicabilidad dentro de la Inteligencia Artificial. Un concepto esencial en el RBC es la similitud, y en particular este trabajo se centra en aquellos sistemas que usan funciones de similitud para dar una medida de este concepto entre dos objetos del dominio de aplicación. Se proponen dos extensiones que lo perfeccionan mediante la utilización de conjuntos borrosos en la función de similitud y mediante un nuevo método de ponderación de los rasgos dependiente del proceso de adaptación, que permite recuperar soluciones que requieren menor esfuerzo de adaptación. Además se propone un nuevo método de RBC donde se integran las modificaciones propuestas con la selección adecuada de otros aspectos del RBC y que se acoplan con la Planificación Heurística en la solución de un problema CAPP (Computer Aided Process Planning). Específicamente, se demuestra la efectividad de la consecuente herramienta computacional para la ayuda a la confección de tecnologías de fabricación por maquinado de piezas simétrico-rotativas.Ítem Acceso Abierto Un modelo para la toma de decisiones en un sistema basado en casos en condiciones de incertidumbre(Universidad Central "Marta Abreu" de Las Villas. Facultad de Ingeniería Eléctrica. Departamento de Automática y Sistemas Computacionales, 2001) Gutiérrez Martínez, Iliana; Bello Pérez, Rafael EstebanEn el Razonamiento Basado en Casos tradicional la solución de un problema se realiza a partir de los ejemplos almacenados en la memoria de casos a través de la implementación de una función de distancia o de semejanza dependiente del dominio [Ric92], [Ric95]. Este enfoque tiene la desventaja de que las soluciones son imprecisas cuando los datos almacenados en la base de casos tienen cierto nivel de incertidumbre. Por otra parte la organización de la base de casos en una estructura que asegure un acceso y recuperación eficientes constituye una de las problemáticas actuales de los Sistemas Basados en Casos. En el presente trabajo se expone un nuevo enfoque para resolver el problema de tomar una decisión en un Sistema Basado en Casos en condiciones de incertidumbre, haciendo uso de la teoría probabilista combinada con la teoría de los conjuntos rugosos. El enfoque propuesto permite la determinación de la certidumbre de los valores almacenados en la base de casos, así como su consideración durante los procesos de recuperación y adaptación. Los algoritmos desarrollados para el cálculo de la certidumbre, acceso y recuperación de los casos están basados en el uso de una estructura de representación que garantiza un uso eficiente de la memoria de casos. Dichos algoritmos fueron implementados en un Sistema Computacional el cual ha sido usado exitosamente en la solución de tareas de diagnóstico.