• español
    • English
    • português
  • English 
    • español
    • English
    • português
  • Login
View Item 
  •   Home
  • Productos de Investigación - Creación
  • Capítulos de libros creados por investigadores de UTadeo
  • Capítulos de libros y memorias
  • View Item
  •   Home
  • Productos de Investigación - Creación
  • Capítulos de libros creados por investigadores de UTadeo
  • Capítulos de libros y memorias
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.
RecursosRecursos de apoyo¿Cómo publicar?

Browse

All of ExpeditioCommunities & CollectionsBy Issue DateAuthorsTitlesSubjects
This CollectionBy Issue DateAuthorsTitlesSubjects

My Account

LoginRegister

Statistics

View Usage StatisticsView Google Analytics Statistics
Estadísticas GTMVer Estadísticas GTM

Análisis de los algoritmos de agrupamiento borroso para detectar asimetría de información

Thumbnail

Citación

       
Export: <XML METS>
View/Open
Ver documento (2.921Mb)
Fin embargo: 
Date
2008
Author
Cano Plata, Eduardo Antonio
Cano Plata, Carlos Alberto
Metadata
Show full item record
Documentos PDF
Abstract
Este documento muestra una técnica ideal para la toma de decisiones empleando la lógica borrosa con el método de agrupamiento de sus siglas en inglés “Fuzzy clustering method” (FCM). El mismo se empleó para discriminar variables relevantes en la prestación de servicios de salud, teniendo como referencia información derivada de una encuesta aplicada directamente a los usuarios del servicio, con el propósito de encontrar asimetría de información. Los modelos borrosos permiten la discriminación de parámetros sumamente complejos para su clasificación, tales como los que podrían determinar la asimetría de información. Utilizando puntos medios borrosos se generan los grupos que permiten evaluar la correlación paciente médico. El conocimiento previo de las evaluaciones estadísticas permite caracterizar un modelo borroso. La información recolectada se integró en el algoritmo, quien la agrupa, utilizando un prototipo de patrón (el sistema de entrenamiento). Los grupos se construyen empleando una función de decisión. La característica para la toma de decisiones en el evento de pensar una visita al médico, se encuentra a través de un análisis del componente principal utilizando el procedimiento FCM. El algoritmo de agrupamiento mostró ser una manera confiable de identificar la asimetría existente en la relación paciente médico.
Summary in foreign language
This document characterizes a decision-making method combining Fuzzy logic with the clusters method known as the "Fuzzy clustering method” (FCM). This method is used to discriminate between relevant variables in health services, where the reference information is derived from a survey directly applied to users in order to detect asymmetric information. Fuzzy models have performed well in Classification theory, especially in the identification of asymmetry of information because they can be used to discriminate extremely complex parameters. Using average fuzzy points (the crips), groups are generated to evaluate the patient-doctor correlation. Previous knowledge of the statistical evaluations can be characterized using a fuzzy model. The clusters are constructed using a decision function, where the decision to be captured is thinking a visit to the doctor. A principal component analysis is performed using the procedure FCM. The clustering algorithm showed that it is a reliable way of identifying the existing asymmetry in the patient-doctor relation.
URI
http://hdl.handle.net/20.500.12010/12280
Link to resource
https://www.researchgate.net/profile/Carlos_Cano14/publication/315661341_ANALISIS_DE_LOS_ALGORITMOS_DE_AGRUPAMIENTO_BORROSO_PARA_DETECTAR_ASIMETRIA_DE_INFORMACION/links/58d91950a6fdcc10972d6622/ANALISIS-DE-LOS-ALGORITMOS-DE-AGRUPAMIENTO-BORROSO-PARA-DETECTAR-ASIMETRIA-DE-INFORMACION.pdf
Collections
  • Capítulos de libros y memorias [92]
Estadísticas Google Analytics
Comments

Respuesta Comentario Repositorio Expeditio

Gracias por tomarse el tiempo para darnos su opinión.


Carrera 4 # 22-61 Teléfono: (+57 1) 242 7030 - 018000111022 Fax: (+57 1) 561 2107 Bogotá D.C., Colombia

Fundación Universitaria de Bogotá Jorge Tadeo Lozano | Vigilada Mineducación

Institución de educación superior privada, de utilidad común, sin ánimo de lucro y su carácter académico es el de Universidad.

Reconocimiento personería jurídica: Resolución 2613 del 14 de agosto de 1959 Minjusticia.

Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional.

 

Términos y condiciones | Políticas

 

 


Carrera 4 # 22-61 Teléfono: (+57 1) 242 7030 - 018000111022 Fax: (+57 1) 561 2107 Bogotá D.C., Colombia

Fundación Universitaria de Bogotá Jorge Tadeo Lozano | Vigilada Mineducación

Institución de educación superior privada, de utilidad común, sin ánimo de lucro y su carácter académico es el de Universidad.

Reconocimiento personería jurídica: Resolución 2613 del 14 de agosto de 1959 Minjusticia.

Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional.

 

Términos y condiciones | Políticas