Machine learningUncertainty theory

Teoría de Conjuntos Suaves

La Teoría de Conjuntos Suaves (Soft Set Theory) es un marco matemático para manejar la incertidumbre y la imprecisión a través de familias parametrizadas de conjuntos. Introducida por Dmitriy Molodtsov en 1999, proporciona una descripción aproximada de objetos en un universo mapeando cada parámetro en un conjunto de parámetros elegido a un subconjunto nítido (crisp) de dicho universo. A diferencia de la teoría de la probabilidad o los conjuntos difusos, los conjuntos suaves no requieren una función de pertenencia ni una distribución de probabilidad, lo que libera al marco de la insuficiencia de las herramientas de incertidumbre existentes cuando no se dispone de datos suficientes.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Fuentes

  1. Molodtsov, D. (1999). Soft set theory—first results. Computers & Mathematics with Applications, 37(4–5), 19–31. DOI: 10.1016/S0898-1221(99)00056-5

Cómo citar esta página

ScholarGate. (2026, June 2). Soft Set Theory. ScholarGate. https://scholargate.app/es/soft-computing/soft-set-theory

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateSoft Set Theory (Soft Set Theory). Recuperado el 2026-06-15 de https://scholargate.app/es/soft-computing/soft-set-theory · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026