REVISTA DYNA NEW TECHNOLOGIES

Palabras clave:

Conjuntos aproximados, Algoritmos de agrupamiento conceptual, Testores típicos, Clasificación no supervisada, Rough Sets, Conceptual Clustering Algorithms, typical Testores, not supervised Classification

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

La teoría de los conjuntos aproximados no compite con la teoría del agrupamiento conceptual, sino que se complementan. En cualquier caso, ambas son enfoques independientes para resolver problemas tales como la reducción de datos, descubrimiento de dependencias entre datos, estimación de la significación de los datos, generación de algoritmos de decisión o control a partir de datos, clasificación aproximada de datos, descubrimiento de similaridades o diferencias en los datos, descubrimiento de patrones entre otras. En particular, ambas teorías han tenido una interesante aplicación en la medicina, negocios, diseño de ingeniería, meteorología, análisis de vibraciones, análisis de conflictos, procesamiento de imágenes, reconocimiento de la voz, reconocimiento de caracteres, análisis de decisión, etc.
De la Teoría Clásica de Conjuntos se sabe que éstos no se definen, sino que se determinan y que existen dos formas para determinar un conjunto: de manera extensional, que significa dar los elementos que lo constituyen, y de manera intencional, que significa dar la(s) propiedad(es) que caracteriza(n) al conjunto, que satisfacen los elementos que pertenecen al mismo.

En este trabajo se propone un método para determinar los conjuntos de aproximación inferior y superior para el enfoque basado en relaciones de similitud de la teoría de los conjuntos aproximados utilizando el agrupamiento conceptual con una visión lógico combinatorio.