Técnicas de Clustering con manejo de incertidumbre

Abstract

En este proyecto se estudian diferentes técnicas de clustering para el manejo de datos con un grado alto de incertidumbre. En primer lugar, se enuncia el K-means y se estudian sus inconvenientes ante este tipo de información. Posteriormente, se tratan los mismos datos con el Fuzzy Cluster Means. A continuación, tras comprobar que dicha técnica no es suficiente para solucionar los problemas, se estudia el clustering intervalar aplicando una función de coste ya investigada y, como también se obtienen contrariedades con la fórmula comentada, se proponen nuevas funciones de coste que traten de solucionar el problema abordado. En este informe no se ha encontrado ninguna función de coste que trabaje correctamente con los conjuntos de datos con un grado alto de incertidumbre. No obstante, se cree que implementando algoritmos genéticos podría ser bastante probable que se encontrara una solución. Esto último no se ha podido realizar por falta de tiempo, pero se puede encontrar su explicación completa en el apartado de líneas futuras.