Detección de fraude de energía a partir de un modelo de lógica difusa

De La Pava Roys, Nasser Stefan

Detección de fraude de energía a partir de un modelo de lógica difusa

dc.contributor.advisor	Romero, Gil Robert
dc.contributor.author	De La Pava Roys, Nasser Stefan
dc.contributor.googlescholar	https://scholar.google.com/citations?user=LUEZqaYAAAAJ&hl=es	spa
dc.coverage.campus	CRAI-USTA Bogotá	spa
dc.date.accessioned	2019-07-09T22:33:37Z
dc.date.available	2019-07-09T22:33:37Z
dc.date.issued	2019-06-13
dc.description	El fraude de energía es un fenómeno al cual se enfrentan las empresas prestadoras del servicio y que deja pérdidas millonarias para el sector, sin embargo, para mitigar estos fraudes se emplean diferentes técnicas desde el ámbito estadístico y las ciencias de la computación con el fin de tomar acciones preventivas frente a los posibles fraudes. El presente trabajo tiene como objetivo la aplicación de un modelo de lógica difusa, que permita establecer la ocurrencia de posible fraude de energía eléctrica, el cual permita tomar acciones tempranas que mitiguen este fenómeno, el modelo de lógica difusa es comparado con un modelo logístico.	spa
dc.description.abstract	Energy fraud is a phenomenon faced by the companies providing the service and that leaves millionaire losses for the sector, however, to mitigate these frauds are used di erent techniques from the statistical eld and computer science in order to take preventive actions against possible fraud. The objective of this work is to apply a fuzzy logic model that allows establish the occurrence of possible electric power fraud, which allows taking actions early that mitigate this phenomenon, the fuzzy logic model is compared to a model logistic.	spa
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	Profesional en estadística	spa
dc.description.domain	http://unidadinvestigacion.usta.edu.co	spa
dc.format.mimetype	application/pdf	spa
dc.identifier.citation	De La Pava, N. (2019). Detección de fraude de energía a partir de un modelo de lógica difusa (Trabajo de pregrado). Universidad Santo Tomás. Bogotá, Colombia	spa
dc.identifier.instname	instname:Universidad Santo Tomás	spa
dc.identifier.reponame	reponame:Repositorio Institucional Universidad Santo Tomás	spa
dc.identifier.repourl	repourl:https://repository.usta.edu.co	spa
dc.identifier.uri	http://hdl.handle.net/11634/17567
dc.language.iso	spa	spa
dc.publisher	Universidad Santo Tomás	spa
dc.publisher.faculty	Facultad de Estadística	spa
dc.publisher.program	Pregrado Estadística	spa
dc.relation.references	Brett Lantz (2013) Machine Learning With R First Edition, ISBN 978-1-78216-214-8	spa
dc.relation.references	Rincón Suárez Luis Francisco (2009) Curso Básico de Modelos Lineales. Universidad Santo Tomás	spa
dc.relation.references	González Martínez Edwin Fernando (2018) Trabajo de Grado Universidad Santo Tomás Detección de Fraude en Tarjetas de Crédito Mediante Técnicas de Minería de Datos.	spa
dc.relation.references	Pérez Dinibel (2014) Trabajo de Grado Universidad Central de Venezuela Estudio Neuro difuso de isótopo de carbono 13 e isotopo de oxígeno 18 en el límite Triásico-Jurásico .	spa
dc.relation.references	Berlanga Francisco José, Aprendizaje de reglas difusas mediante programación genética en problemas con alta dimensionalidad, Universidad de Jaén	spa
dc.relation.references	Bolton Richard J & Hand David J. (2002). Statistical Fraud Detection: A Review. Statistical Science, Vol. 17, No. 3 (Aug., 2002), pp. 235-249	spa
dc.relation.references	Navarro Céspedes Juan & Casas Cardoso Gladys & González Rodríguez Emilio. (2009). Analisis de componentes Principales y Análisis De Regresión Para Datos Categóricos. Revista de Matematica , ISSN: 1409-2433, pp. 199-230	spa
dc.relation.references	Vila María Sanchéz Daniel & Cerda Luis. (2004) Reglas de Asociación Aplicadas a la Detección de Fraude con Tarjetas de Crédito. XII Congreso Español Sobre Tecnologías y Lógica Fuzzy.	spa
dc.relation.references	Yanchang Zhao, Yonghua Cen, & Justin Cen (2013) Data Mining Applications with R Elsevier Science, ISBN libro electrónico 9780124115200	spa
dc.relation.references	Han Jiawei, Kamber Micheline & Pei Jian (2014) Data Mining Concepts and Techniques Third Edition, Elsevier Science, ISBN libro electrónico 9780123814807	spa
dc.relation.references	Tjalling J. Ypma, Historical development of the Newton Raphson method, SIAM Review 37 (4), 531?551, 1995. doi:10.1137/1037125	spa
dc.relation.references	Torgo Luis (2011) Data Mining with R Learning With Case Studies Chapman & Hall / CRC, ISBN 9781439810187	spa
dc.rights	Atribución-NoComercial-SinDerivadas 2.5 Colombia	*
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.local	Abierto (Texto Completo)	spa
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/2.5/co/	*
dc.subject.keyword	Statistics	spa
dc.subject.keyword	Data Mining	spa
dc.subject.keyword	Machine Learning	spa
dc.subject.keyword	Algorithms	spa
dc.subject.keyword	Fraud	spa
dc.subject.keyword	Patterns	spa
dc.subject.keyword	Fuzzy Logic	spa
dc.subject.lemb	Estadística	spa
dc.subject.lemb	Procesos por fraude	spa
dc.subject.lemb	Energia electrica	spa
dc.subject.lemb	Algoritmos difusos	spa
dc.subject.proposal	Estadística	spa
dc.subject.proposal	Minería de datos	spa
dc.subject.proposal	Aprendizaje Automático	spa
dc.subject.proposal	Algoritmos	spa
dc.subject.proposal	Patrones	spa
dc.subject.proposal	Fraude	spa
dc.subject.proposal	Lógica Difusa	spa
dc.title	Detección de fraude de energía a partir de un modelo de lógica difusa	spa
dc.type	bachelor thesis
dc.type.category	Formación de Recurso Humano para la Ctel: Trabajo de grado de Pregrado	spa
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.drive	info:eu-repo/semantics/bachelorThesis
dc.type.local	Tesis de pregrado	spa
dc.type.version	info:eu-repo/semantics/acceptedVersion