Biblioteca en Java para la aplicación de los conjuntos aproximados en el aprendizaje automatizado

Vista sencilla de ítem
dc.contributor.advisorArco García, Leticia
dc.contributor.advisorMariño Rivero, Adis Perla
dc.contributor.authorGómez Boix, Alejandro Geraldo
dc.coverage.spatial1016432en_US
dc.date.accessioned2015-11-26T21:25:49Z
dc.date.available2015-11-26T21:25:49Z
dc.date.issued2013-07-04
dc.description.abstractSe dice Aprendizaje Automatizado a aquellos métodos de solución de problemas de aprendizaje por las computadoras. Existen métodos de aprendizaje automatizado incorporados al Weka que utilizan la Teoría de los Conjuntos Aproximados (Rough Set Theory; RST) para su funcionamiento; sin embargo, su incorporación al Weka incluye la implementación por separado de las facilidades de RST necesarias para el funcionamiento de cada uno de ellos, ya que no existe una biblioteca que encapsule todos los elementos de RST que se aplican en métodos de aprendizaje automatizado. El objetivo general del trabajo de diploma consiste en desarrollar una biblioteca en Java que incorpore los principales elementos de la RST clásica y extendida, aplicables en el desarrollo de métodos de aprendizaje automatizado y su validación. Los principales resultados obtenidos son: (1) la biblioteca que encapsula las definiciones, conceptos y medidas de RST aplicables en el desarrollo de métodos de Aprendizaje Automatizado, con la finalidad de incorporar esta biblioteca a la herramienta Weka, (2) la implementación de un algoritmo para el cálculo de reductos que utiliza el modelo de optimización basado en colonias de hormigas y (3) la incorporación al Weka de un paquete para la validación del agrupamiento, el cual incorpora medidas de la Teoría de conjuntos aproximados, y por tanto, hace uso de la biblioteca creada.en_US
dc.description.abstractIt is called Machine Learning to those problem solving methods of learning by computers. There are machine learning methods incorporated to Weka that use the Rough Set Theory (RST) for its operation, however to join it to Weka includes the separated implementation of RST facilities that are necessary for the operation of each one of them, since there is no library that encapsulates all elements of RST applied in machine learning methods. The general objective of this research paper is to develop a Java library that incorporates the main elements of the classical and extended RST, applicable in the development of machine learning methods and its validation. The main results are: (1) the library that encapsulates the definitions, concepts and measures of RST, applicable in the development of Machine Learning methods, in order to incorporate this library to a Weka tool, (2) the implementation of a algorithm for calculating reducts that uses an optimization model based on ant colonies and (3) the incorporation to Weka of a package for clustering validation, which incorporates measures of rough sets theory, and thus makes use of the created library.en_US
dc.description.sponsorshipFacultad de Matematica, Fisica y Computacion. Departamento de Computaciónen_US
dc.description.statusnon-publisheden_US
dc.identifier.urihttps://dspace.uclv.edu.cu/handle/123456789/3739
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.subjectAprendizaje Automatizadoen_US
dc.subjectBiblioteca en Javaen_US
dc.subjectModelo de Optimizaciónen_US
dc.subjectColonias de Hormigasen_US
dc.subjectRough Set Theory (RST)en_US
dc.subject.otherAprendizaje Automáticoen_US
dc.subject.otherJavaen_US
dc.subject.otherWekaen_US
dc.subject.otherConjuntos Aproximadosen_US
dc.titleBiblioteca en Java para la aplicación de los conjuntos aproximados en el aprendizaje automatizadoen_US
dc.typeThesisen_US
dc.type.thesisbacheloren_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Tesis Alejandro G. Gómez Boix.pdf
Tamaño:
1.71 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