Obtención de reglas de clasificación difusas utilizando técnicas de optimización : caso de estudio riesgo crediticio

Tesis (Doctorado en Ciencias Informáticas) - Universidad Nacional de La Plata. Facultad de Informática, 2020.

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