Rough Sets Divisibles Basados en Clustering Jerárquico

Abstract

Desde que la teoria de rough sets fue propuesta por Pawlak en 1982, se ha aplicado en la extraccion de conocimiento de bases de datos de todo tipo. Sin embargo, se han detectado ciertos inconvenientes en casos complejos y de gran inconsistencia, como su falta de flexibilidad y su excesiva dependencia respecto a la discretizacion inicial de los atributos. Para superarlos aqui se propone una nueva tecnica hibrida, denominada rough sets divisibles, que combina rough sets de precision variable con clustering jerarquico y perceptrones. Asi se pretende analizar las clases de equivalencia que mediante rough sets no generan ninguna regla con objeto de ver si mediante alguna division se puede obtener alguna nueva regla cierta. Ademas, se incorpora el concepto de centro de clase de equivalencia, util en la asignacion de decisiones a ejemplos que no caen en ninguna region positiva y para la division de clases de equivalencia. Las comparaciones del metodo de rough sets clasico y el de los rough sets divisibles ante varios casos ejemplo muestran que este ultimo ofrece mejores resultados en la mayoria de los tests realizados.