Algoritmos evolutivos de minería de datos descriptiva para flujos continuos de datos
En este trabajo se presenta un enfoque para la extracción de patrones emergentes en flujos de datos. Procesa las instancias por bloques siguiendo un enfoque de reentrenamiento. El algoritmo de aprendizaje es un sistema evolutivo difuso en el que se emplean conocimientos previos para adaptarse al cam...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2019 |
| País: | España |
| Institución: | Universidad de Jaén (UJA) |
| Repositorio: | CREA. Colección de recursos educativos abiertos |
| OAI Identifier: | oai:crea.ujaen.es:10953.1/14182 |
| Acceso en línea: | https://hdl.handle.net/10953.1/14182 |
| Access Level: | acceso abierto |
| Palabra clave: | 1203.17 Informática 1203.04 Inteligencia artificial 1203.15 Heurística Informática Inteligencia artificial Heurísticas Computer Sciences Artificial Intelligence Heuristics |
| Sumario: | En este trabajo se presenta un enfoque para la extracción de patrones emergentes en flujos de datos. Procesa las instancias por bloques siguiendo un enfoque de reentrenamiento. El algoritmo de aprendizaje es un sistema evolutivo difuso en el que se emplean conocimientos previos para adaptarse al cambio de concepto. Se ha realizado un amplio estudio experimental para demostrar tanto la idoneidad del enfoque en la lucha contra el concepto como la calidad de los conocimientos extraídos. Finalmente, la propuesta se aplica a un estudio real relacionado con la determinación continua de los perfiles de los clientes de taxis de la ciudad de Nueva York en función de su tarifa, con el fin de mostrar su potencial. |
|---|