Método no supervisado para la selección de rasgos en problemas de regionalización

Abstract

El objetivo de cualquier sistema de salud es mejorar la salud de donde se aplique, y una de las formas de lograr esto es la prevención de enfermedades. Por ello cobra especial importancia el estudio de la relación de las enfermedades con el espacio. Los Sistemas de Información Geográfica brindan la posibilidad de extraer conocimientos sobre las tendencias territoriales y su relación con los niveles de salud de determinada zona, sin embargo, los trabajos reportados en la literatura consultada no incluyen la componente espacial de los datos, lo que viola el principio de la primera ley de la geografía. Por otra parte, existe dispersión en las metodologías, herramientas y técnicas para abordar estudios de este tipo. En esta investigación se presenta método no supervisado para la selección de rasgos en problemas de regionalización para su aplicación en estudios salubristas en la detección de fenómenos locales y globales. Se propone la utilización de autómatas celulares irregulares con aprendizaje para el proceso de selección de rasgos. La propuesta permite realizar estudios de regionalización según la primera ley de la geografía y garantiza la obtención de modelos más exactos. El método está conformado por cuatro etapas que cubren los procedimientos identificados en la literatura para este tipo de estudio. Las etapas propuestas se basan en el enfoque de análisis de datos geoespaciales y agrupamiento espacial, se denominan: Selección de capa y rasgos, Construcción y ponderado del grafo, Construcción del ICLA: inicialización y evolución, Generación de subconjuntos, soportado en una solución informática basada en software libre. Como parte de la validación se aplica el método en un caso de estudio disponible en la literatura.