Pre-procesamiento de conjuntos de entrenamiento de clasificadores del vecino más cercano basado en extensiones a la teoría de los conjuntos aproximados

Abstract

En esta investigación se enriquece el estado del arte con aportaciones científicas originales, en el ámbito del pre-procesamiento de conjuntos de datos mezclados, incompletos y desbalanceados. Estas se basan en la Teoría de los Conjuntos Aproximados y en el enfoque Lógico Combinatorio al Reconocimiento de Patrones. Se sustenta un esquema para la selección combinada de rasgos y objetos, con tres variantes generales de algoritmos basados en dicho esquema. Se proponen los Conjuntos Aproximados de Soporte, en el marco de la Teoría Extendida de los Conjuntos Aproximados. Se proponen, además, dos nuevas medidas para evaluar el soporte de un sistema de decisión, las cuales sirven de base para el diseño de tres algoritmos de pre-procesamiento de datos mediante selección de objetos y dos mediante selección de rasgos. Se ha verificado la bondad de los algoritmos propuestos, al probarlos con datos obtenidos de bancos de datos disponibles en repositorios internacionales de gran prestigio. Además, es preciso hacer notar el impacto de los resultados de esta investigación en el ámbito social, en virtud de su exitosa aplicación en el pre-procesamiento de los datos para pronosticar, de forma automatizada, el tipo de orientación que recibirán las familias de menores con trastornos afectivo-conductuales en la escuela “Roberto Ambrosio Zamora Machado” de Ciego de Ávila, y en la detección de niños de edad preescolar con altas potencialidades para el desarrollo, también en la provincia de Ciego de Ávila. Por último, se considera que las medidas propuestas son confiables, y que existen evidencias acerca de su validez.