Comisión 4: Matemáticas Aplicadas. Teoría de Aproximación, Teoría de Grafos y Optimización. Modelos de ingeniería y energía, robótica, recuperación de imagen y reconocimiento de patrones. Aplicaciones en las ciencias humanísticas, técnicas, económicas y naturales.

Comisión 4: Matemáticas Aplicadas. Teoría de Aproximación, Teoría de Grafos y Optimización. Modelos de ingeniería y energía, robótica, recuperación de imagen y reconocimiento de patrones. Aplicaciones en las ciencias humanísticas, técnicas, económicas y naturales. http://rein.umcc.cu/handle/123456789/2337 2026-04-07T10:37:32Z 2026-04-07T10:37:32Z USO DEL ALGORITMO K-MEANS PARA CLASIFICAR CIUDADANOS CUBANOS MEDIANTE UN CUESTIONARIO DE ESTILOS DE VIDA Torres Ricart, Sheyla Alonso Díaz, David Martínez Sánchez, Natalia Merced Len, Silvano http://rein.umcc.cu/handle/123456789/2354 2023-11-22T17:40:10Z 2023-11-23T00:00:00Z

USO DEL ALGORITMO K-MEANS PARA CLASIFICAR CIUDADANOS CUBANOS MEDIANTE UN CUESTIONARIO DE ESTILOS DE VIDA Torres Ricart, Sheyla; Alonso Díaz, David; Martínez Sánchez, Natalia; Merced Len, Silvano El término ‘estilos de vida saludable’ se ha transformado en un referente que caracteriza tanto a la sociedad en su conjunto como al individuo en su singularidad, ya que promueve un desarrollo equilibrado del ser humano, mejorando su calidad de vida. En la actualidad, las Tecnologías de la Información y la Comunicación se han erigido como uno de los principales motores que propulsan el conocimiento y la investigación, obligando al ser humano a avanzar en términos tecnológicos. En esta dirección, este trabajo pretende desarrollar grupos poblacionales de cubanos en cuanto a sus estilos de vida mediante el análisis de datos recopilados en un diagnóstico. Para esto, se presenta un estudio que utiliza una metodología basada en el análisis clúster para identificar similitudes entre los ciudadanos cubanos en cuanto a sus hábitos y estilos de vida. El objetivo específico de la investigación es realizar el agrupamiento de ciudadanos cubanos en función de sus hábitos y estilos de vida mediante el algoritmo de inteligencia artificial K-Means. Para la realización de la investigación se aplicaron los métodos: del codo para obtener un buen valor de k pudiendo así determinar la cantidad de grupos y Análisis de Componentes Principales para permitir la visualización del dataset. Además, se definieron las métricas de validación interna a aplicar. Como resultado de la investigación se obtiene que la aplicación de las métricas al resultado del algoritmo arrojó que se efectuó un buen proceso de agrupamiento, con clusters cohesionados y relativamente bien definidos.

2023-11-23T00:00:00Z COMPARACIÓN DE K-MEANS, DBSCAN y HDBSCAN PARA CLASIFICAR PERSONAS USANDO CUESTIONARIO DE ESTILOS DE VIDA Alonso Díaz, David Torres Ricart, Sheyla Martínez Sánchez, Natalia Merced, Silvano http://rein.umcc.cu/handle/123456789/2353 2023-11-22T17:32:46Z 2023-11-23T00:00:00Z

COMPARACIÓN DE K-MEANS, DBSCAN y HDBSCAN PARA CLASIFICAR PERSONAS USANDO CUESTIONARIO DE ESTILOS DE VIDA Alonso Díaz, David; Torres Ricart, Sheyla; Martínez Sánchez, Natalia; Merced, Silvano En la actualidad, las Tecnologías de la Información y la Comunicación se han erigido como uno de los principales motores que propulsan el conocimiento y la investigación, obligando al ser humano a avanzar en términos tecnológicos. En esta dirección, este trabajo pretende desarrollar grupos poblacionales de cubanos en cuanto a sus estilos de vida mediante el análisis de datos recopilados en un diagnóstico. Para esto, se presenta un estudio que utiliza una metodología basada en el análisis clúster para identificar similitudes entre los ciudadanos cubanos en cuanto a sus hábitos y estilos de vida. El objetivo específico de la investigación es comparar los resultados del agrupamiento de ciudadanos cubanos en función de sus hábitos y estilos de vida mediante laaplicación de los algoritmos de inteligencia artificial K-Means, DBSCAN y HDBSCAN.Para la realización de la investigación se aplicó elmétodo: Análisis de Componentes Principales para permitir la visualización del dataset. Además, se definieron las métricas de validación interna a aplicar. Como resultado de la investigación se obtiene que la aplicación de las métricas los resultados arrojaron que el algoritmo K-Means realiza para este conjunto de datos una mejor agrupación en cuanto a cohesión, separación y la similitud de los grupos.

2023-11-23T00:00:00Z