Implementaciones paralelas de métodos heurísticos para el cálculo de reductos.

Abstract

La selección de atributos en particular el cálculo de reductos ha encontrado aplicación en muchas áreas, en particular la relacionada con la extracción de conocimiento de grandes conjuntos de datos. Los Conjuntos Aproximados se han aplicado con bastante éxito en el procesamiento de estos conjuntos de datos aunque los mecanismos para la reducción de atributos que se ofrecen actualmente solo son adecuados para conjuntos de objetos y atributos relativamente pequeños. En este trabajo se describen fundamentalmente dos algoritmos utilizados en el cálculo de reductos usando Conjuntos Aproximados estos son el QuickReduct y ACO (Ant Colony Optimization) de estos dos se ofrecen dos variantes secuenciales y dos variantes en paralelo por cada uno basadas en los primeros. Además se muestran los resultados obtenidos experimentalmente sobre una serie de Sistemas de Información almacenados en repositorios internacionales.

The Rough Set theory has a great interest now days, essentially in problems related to data analysis and uncertainty. One of the problems in knowledge extraction area is the reduct finding, the application mechanism that we have today only work for small datasets with small amount of attributes. In this work we propose four parallel implementations that combine reduct finding with rough set as quality measure. These implementations are based on Quick Reduct and ACO methods and have been tested in a computer cluster with some decision systems obtained from international repositories.