Obtención de reglas de clasificación difusas utilizando técnicas de optimización : caso de estudio riesgo crediticio
| Autor Principal: | |
|---|---|
| Otros autores o Colaboradores: | , |
| Formato: | Tesis |
| Lengua: | español |
| Datos de publicación: |
2020
|
| Temas: | |
| Acceso en línea: | http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2145 Consultar en el Cátalogo |
| Descripción Física: | 1 archivo (2,4 MB) : il. col. |
Tabla de Contenidos:
- Índice de figuras
- Índice de tablas
- Abreviaturas
- 1. Reglas de Clasificación
- 1.1. Minería de datos y el proceso de KDD
- 1.2. Etapas del proceso de KDD
- 1.3. Tareas de Minería de Datos
- 1.4. Técnicas de Minería de Datos
- 1.5. Reglas para extracción del conocimiento
- 1.6. Métodos para extracción de Reglas de Clasificación
- 1.7. Conclusiones
- 2. Lógica Difusa
- 2.1. Introducción
- 2.2. Aplicación de la Lógica Difusa
- 2.3. Conceptos básicos de Lógica Difusa
- 2.4. Representación difusa del conocimiento
- 2.5. Métodos para extracción de reglas difusas
- 2.6. Sistemas que combinan Redes Neuronales, Técnicas de optimización y Lógica Difusa
- 2.7. Conclusiones
- 3. Extracción de reglas utilizando PSO
- 3.1. Introducción
- 3.2. Representación de las Reglas
- 3.3. Estructura de la Partícula
- 3.4. Construcción de Reglas utilizando PSO
- 3.5. Reglas de clasificación aplicadas a Riesgo Crediticio
- 3.6. Conclusiones
- 4. Método propuesto FRvarPSO
- 4.1. Algoritmo de extracción de reglas propuesto
- 4.2. Resultados obtenidos
- 4.3. Conclusiones
- 5. Caso de estudio: Riesgo Crediticio
- 5.1. Riesgo Crediticio
- 5.2. FRvarPSO aplicado a Riesgo Crediticio
- 5.3. Resultados obtenidos
- 5.4. Conclusiones
- 6. Conclusiones Finales y Líneas de Trabajo Futuras
- 6.1. Conclusiones
- 6.2. Líneas de trabajo futuras
- A. Redes Neuronales para inicialización de PSO
- A.1. SOM
- A.2. LVQ
- B. Versiones de PSO
- B.1. PSO Básico
- B.2. PSO Binario
- B.3. PSO de Población Variable
- Bibliografía