Resumen

En los sistemas de toma de decisiones, cómo medir la información incierta sigue siendo una cuestión abierta, especialmente para el procesamiento de la información modelada en planos complejos. En este artículo se propone una nueva entropía compleja para medir la incertidumbre de una distribución de valores complejos (CvD). La entropía compleja propuesta es una generalización de la entropía de Gini que tiene una potente capacidad para medir la incertidumbre. En particular, cuando una CvD se reduce a una distribución de probabilidad, la entropía compleja se degradará en entropía de Gini. Además, se analizan y discuten las propiedades de la entropía compleja, incluida la no negatividad, las entropías máxima y mínima, y la acotación. Varios ejemplos numéricos ilustran la superioridad de la entropía compleja recién definida. A partir de la entropía compleja recién definida, se desarrolla un algoritmo de fusión de información multifuente para la toma de decisiones. Por último, aplicamos el algoritmo de toma de decisiones a un problema de diagnóstico médico para validar su viabilidad.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:entropía compleja, decisión, entropía de Gini, algoritmo de fusión de información multifuente, varios ejemplos numéricos, problema de diagnóstico médico, nueva entropía compleja, CvD, incertidumbre, planos complejos
• Keywords:complex entropy, decision, Gini entropy, multisource information fusion algorithm, Several numerical examples, medical diagnosis problem, new complex entropy, CvD, uncertainty, complex planes