Modelo hibrido de árbol de decisión difusa con optimización por enjambre de partículas para clasificación de Obesidad Escolar

• Autor: Sulla Torres, Jose Alfredo
• Formato: tesis doctoral
• Fecha de Publicación: 2018
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:UNSA/6154
• Enlace del recurso: http://repositorio.unsa.edu.pe/handle/UNSA/6154
• Nivel de acceso: acceso abierto
• Materia: Inteligencia computacional; Aplicaciones médicas; Clasicación de datos; Arbol de decisión; Lógica difusa; Obesidad escolar; https://purl.org/pe-repo/ocde/ford#1.02.01

La incorporacion de inteligencia computacional en los diagnosticos en el campo de la salud es una tendencia nueva y con un gran número de aplicaciones médicas. Muchos de los procedimientos de diagnosticos médicos se pueden categorizar como tareas de clasicación de datos inteligentes (Fan et al., 2011). En este contexto se propone en esta investigacion un modelo híbrido que integra un arbol de decisión, lógica difusa, la optimización por enjambre de partículas (PSO, por sus siglas en ingles). Utilizando para ello el análisis de regresion paso a paso (SRA, por sus siglas en ingl es) para el preprocesamiento de los datos y determine el conjunto de variables independientes que mas cercanamente afecten a la variable dependiente (obesidad). Luego se utiliza un arbol de decisión difusa para la generación de las reglas optimizado con un enjambre de partículas para mejorar los resultados de la clasi caci on de obesidad escolar, se realiza la interpretabilidad y se compara los algoritmos multiobjetivos representativos con PSO para mostrar de interpretabilidad y precision.Los resultados muestran que el modelo propuesto por medio de un arbol de decisión difusa ofrece una forma comprensible del an alisis para problemas orientados a la clasi caci on con un grado de exactitud aceptable, en ese contexto, basado a los resultados obtenidos se obtuvo las reglas de decision que mostro como exactitud en la obesidad del sexo masculino 84 %, mientras que en el sexo femenino la exactitud fue 89 %. La ambigüedad obtenida de las reglas aprendidas en el sexo masculino fue 0.04 y en escolares del sexo femenino fue ligeramente inferior (0.01). La optimizaci on por medio del algoritmo PSO mostro despues de 500 iteraciones un error RMSE de 12.04 para escolares masculinos y de 11.20 para escolares femeninos. Se concluye que de acuerdo a los resultados calculados es posible aplicar el modelo propuesto para la clasi cacion de obesidad de un modo aceptable. Adem as, se valido el uso de algoritmos multiobjetivos MOPSO utilizando un conjunto de funciones de evaluación ZDT, WFD y DTLZ que demostraron que se obtienen mejores resultados.