Estimación de la información mutua en problemas con datos imprecisos

Abstract

El objetivo de esta memoria es presentar una nueva definición de información mutua basada en la definición clásica. Esta nueva definición se aplicará al problema concreto de la optimización de particiones borrosas de variables aleatorias borrosas. Se demuestra además, que en la mayor parte de los casos, estas particiones optimizadas ofrecen un error de clasificación basados en reglas borrosas. Asimismo se pretende ampliar aún más el campo de estudio, abarcando el tratamiento de datos imprecisos y demostrando que esta definición es aplicable a problemas de este tipo. Se realiza un trabajo de investigación que pasa por la búsqueda de información acerca del diseño de particiones borrosas, así como diferentes formas de utilizar la información mutua como medida de optimización, por otros autores. Se muestra el método propuesto por nosotros, así como su aplicación para la optimización de particiones borrosas tanto con datos precisos como con datos imprecisos. Seguidamente se realizará un estudio de algoritmos de clasificación existentes en la literatura, necesarios para llevar a cabo nuestros experimentos. Y finalmente se implementan los algoritmos genéticos tanto para la optimización con datos precisos como con datos imprecisos.