• Communities & Collections
    • By Issue Date
    • Authors
    • Advisor
    • Titles
    • Subjects
    • Document type
    • español
    • English
    • português (Brasil)
  • Self archiving
  • Browse 
    • Communities & Collections
    • By Issue Date
    • Authors
    • Advisor
    • Titles
    • Subjects
    • Document type
  • English 
    • español
    • English
    • português (Brasil)
  • Login
View Item 
  •   Institutional repository ITM
  • Revistas
  • Revistas Científicas
  • TecnoLógicas
  • Num. 25 (2010)
  • View Item
  •   Institutional repository ITM
  • Revistas
  • Revistas Científicas
  • TecnoLógicas
  • Num. 25 (2010)
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Browse

All of ITMCommunities & CollectionsBy Issue DateAuthorsAdvisorTitlesSubjectsDocument typeThis CollectionBy Issue DateAuthorsAdvisorTitlesSubjectsDocument type

My Account

LoginRegister

Statistics

View Usage Statistics
Statistics GTMView statistics GTM

Clasificador difuso para diagnóstico de enfermedades

Thumbnail
View/Open
139-Manuscrito-259-1-10-20170208.pdf (347.2Kb) 
QRCode
Share this
Clasificador difuso para diagnóstico de enfermedades
Date
2010-12-15
Author
Contreras, Juan A.
Martinez, Laura B.
Puerta, Yuliana V.
Publisher
Instituto Tecnológico Metropolitano (ITM)

Citation

       
TY - GEN T1 - Clasificador difuso para diagnóstico de enfermedades AU - Contreras, Juan A. AU - Martinez, Laura B. AU - Puerta, Yuliana V. Y1 - 2010-12-15 UR - http://hdl.handle.net/20.500.12622/862 AB - En este artículo se presenta la aplicación de un nuevo método de identificación difusa para resolver problemas de clasificación. El modelo o clasificador difuso obtenido después del proceso de entrenamiento, contiene conjuntos triangulares con solapamiento de 0.5 para el antecedente y conjuntos tipo singleton para el consecuente. En la evaluación de las reglas se emplea un operador promedio en vez de una T-norma. Los consecuentes son ajustados empleando mínimos cuadrados recursivos. El método propuesto consigue una mayor precisión que la alcanzada con los métodos actuales existentes, empleando un número reducido de reglas y parámetros, sin sacrificar la interpretabilidad del modelo difuso. El enfoque propuesto es aplicado a dos problemas clásicos de clasificación: el Pima Indian Diabetic y el Dermatology Problem, para mostrar el desempeño del método propuesto y comparar los resultados con los alcanzados por otros investigadores. ER - @misc{20.500.12622_862, author = {Contreras Juan A. and Martinez Laura B. and Puerta Yuliana V.}, title = {Clasificador difuso para diagnóstico de enfermedades}, year = {2010-12-15}, abstract = {En este artículo se presenta la aplicación de un nuevo método de identificación difusa para resolver problemas de clasificación. El modelo o clasificador difuso obtenido después del proceso de entrenamiento, contiene conjuntos triangulares con solapamiento de 0.5 para el antecedente y conjuntos tipo singleton para el consecuente. En la evaluación de las reglas se emplea un operador promedio en vez de una T-norma. Los consecuentes son ajustados empleando mínimos cuadrados recursivos. El método propuesto consigue una mayor precisión que la alcanzada con los métodos actuales existentes, empleando un número reducido de reglas y parámetros, sin sacrificar la interpretabilidad del modelo difuso. El enfoque propuesto es aplicado a dos problemas clásicos de clasificación: el Pima Indian Diabetic y el Dermatology Problem, para mostrar el desempeño del método propuesto y comparar los resultados con los alcanzados por otros investigadores.}, url = {http://hdl.handle.net/20.500.12622/862} }RT Generic T1 Clasificador difuso para diagnóstico de enfermedades A1 Contreras, Juan A. A1 Martinez, Laura B. A1 Puerta, Yuliana V. YR 2010-12-15 LK http://hdl.handle.net/20.500.12622/862 AB En este artículo se presenta la aplicación de un nuevo método de identificación difusa para resolver problemas de clasificación. El modelo o clasificador difuso obtenido después del proceso de entrenamiento, contiene conjuntos triangulares con solapamiento de 0.5 para el antecedente y conjuntos tipo singleton para el consecuente. En la evaluación de las reglas se emplea un operador promedio en vez de una T-norma. Los consecuentes son ajustados empleando mínimos cuadrados recursivos. El método propuesto consigue una mayor precisión que la alcanzada con los métodos actuales existentes, empleando un número reducido de reglas y parámetros, sin sacrificar la interpretabilidad del modelo difuso. El enfoque propuesto es aplicado a dos problemas clásicos de clasificación: el Pima Indian Diabetic y el Dermatology Problem, para mostrar el desempeño del método propuesto y comparar los resultados con los alcanzados por otros investigadores. OL Spanish (121)
Bibliographic managers
Refworks
Zotero
BibTeX
CiteULike
Metadata
Show full item record
PDF Documents
Abstract
En este artículo se presenta la aplicación de un nuevo método de identificación difusa para resolver problemas de clasificación. El modelo o clasificador difuso obtenido después del proceso de entrenamiento, contiene conjuntos triangulares con solapamiento de 0.5 para el antecedente y conjuntos tipo singleton para el consecuente. En la evaluación de las reglas se emplea un operador promedio en vez de una T-norma. Los consecuentes son ajustados empleando mínimos cuadrados recursivos. El método propuesto consigue una mayor precisión que la alcanzada con los métodos actuales existentes, empleando un número reducido de reglas y parámetros, sin sacrificar la interpretabilidad del modelo difuso. El enfoque propuesto es aplicado a dos problemas clásicos de clasificación: el Pima Indian Diabetic y el Dermatology Problem, para mostrar el desempeño del método propuesto y comparar los resultados con los alcanzados por otros investigadores.
Abstract
This paper presents the application of a new fuzzy identification method to solve classification problems. The model or fuzzy classifier, obtained after training process, contains triangular sets with 0.5 overlapping to the antecedent and singleton sets for the consequent. In the evaluation of the rules is used an average operator instead of a T-norm. The consequent are adjusted using recursive least squares. The proposed method achieves higher accuracy than others methods, using a small number of rules and parameters, without sacrificing the interpretability of the fuzzy model. The proposed approach is applied in two classic classification problems: Pima Indian Diabetic and Dermatology Problem, to show the performance of the proposed method and compare the results with other researchers.
Palabras clave
Dermatología; diabetes; identificación difusa; mínimos cuadrados recursivos
keywords
Dermatology; diabetes; fuzzy identification; recursive least square method
URI
http://hdl.handle.net/20.500.12622/862
Statistics Google Analytics
Collections
  • Num. 25 (2010) [13]

Departamento de Biblioteca y Extensión Cultural
bibliotecaitm@itm.edu.co

Contact Us | Send Feedback