Modelado difuso de sistemas mediante aprendizaje por clasificación con técnicas de agrupamiento (clustering)

  1. Skarmeta Gómez, Antonio
Dirigida por:
  1. Miguel Delgado Calvo-Flores Director

Universidad de defensa: Universidad de Murcia

Año de defensa: 1995

Tribunal:
  1. María Amparo Vila Miranda Presidenta
  2. José Manuel Cadenas Figueredo Secretario/a
  3. Roberto Moreno Díaz Vocal
  4. Enric Trillas Vocal
  5. José Luis Verdegay Galdeano Vocal

Tipo: Tesis

Teseo: 48463 DIALNET

Resumen

EL OBJETIVO DE ESTA MEMORIA SE ENMARCA DENTRO DEL APRENDIZAJE SUPERVISADO PARA EL MODELADO DE SISTEMAS, ESPECIFICAMENTE SU OBJETIVO ES DESARROLLAR TECNICAS PARA LA DESCRIPCION E IDENTIFICACION DE SISTEMAS MEDIANTE EL USO DE TECNICAS DE AGRUPAMIENTO CENTRADAS EN EL ANALISIS CLUSTER DIFUSO, QUE PERMITAN OBTENER UN MODELO DIFUSO A PARTIR DE UNA MUESTRA DE DATOS DE ENTRADA/SALIDA DE UN SISTEMA EN ESTUDIO. TRAS REALIZAR UNA REVISION DE LOS DIFERENTES METODOS Y TECNICAS PARA LA DETERMINACION DE LOS AGRUPAMIENTOS EXISTENTES EN LOS DATOS, COMO DE LAS ALTERNATIVAS EXISTENTES PARA LA GENERACION DE REGLAS DIFUSAS, LA TESIS SE CENTRA EN EL ESTUDIO DEL CLUSTERING JERARQUICO COMO MECANISMO DE PREPROCESAMIENTO DE LA INFORMACION Y EN LOS ENFOQUES POSIBLES DE PLANTEAR PARA GENERAR REGLAS DIFUSAS A PARTIR DE LOS AGRUPAMIENTOS DETECTADOS. EN ESTE SENTIDO SE PROPONEN DIFERENTES TECNICAS PARA OBTENER UN MODELO DIFUSO INICIAL DEL SISTEMA DE ESTUDIO, ASI COMO LAS INTERRELACIONES DE ESTAS TECNICAS ENTRE SI, Y CON OTRAS DE LA LITERATURA.