Wydobywanie wiedzy z danych złożonych

• Autorzy: Nowak-Brzezińska A. , Xięski T.

Warianty tytułu

EN

Discovering knowledge from complex data

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia uniwersalną metodę wydobywania wiedzy z danych złożonych, uwzględniającą wykorzystanie technik opisu danych, algorytmów analizy skupień oraz efektywnych środków wizualizacji wydobytej wiedzy. Charakterystyczną cechą opisywanej metody jest zastosowanie dwuetapowego grupowania danych.

EN

This work presents a universal knowledge discovery method from complex data, which takes into account the usage of data description techniques, cluster analysis algorithms and effective means of visualization of the discovered knowledge. A characteristic feature of this method is the usage of a two-stage clustering process.

Słowa kluczowe

PL

wizualizacja skupień; grupowanie; dane złożone; DBSCAN; AHC

EN

cluster visualization; clustering; complex data; DBSCAN; AHC

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2014
• Tom: Vol. 35, nr 2
• Strony: 175--186
• Opis fizyczny: Bibliogr. 13 poz.

Twórcy

autor

Nowak-Brzezińska A.

• Uniwersytet Śląski, Instytut Informatyki

autor

Xięski T.

• Uniwersytet Śląski, Instytut Informatyki

Bibliografia

• 1. Dasu T., Johnson T.: Exploratory Data Mining and Data Cleaning. John Wiley & Sons, Inc., USA 2003.
• 2. Ester M., Kriegel H. P., Sander J., Xu X.: A density-based algorithm for discovering clusters in large spatial databases with noise. Proceedings of 2nd International Conference on Knowledge Discovery and Data Mining, USA 1996.
• 3. Bruls M., Huizing K., van Wijk J.: Squarified Treemaps. Proceedings of the Joint Eurographics and IEEE TCVG Symposium on Visualization, Springer, Vienna 2000.
• 4. Berry M. W., Browne M.: Lecture notes in Data Mining. World Scientific Publishing Co. Pte. Ltd., Singapur 2009.
• 5. Shneiderman B., Wattenberg M.: Ordered Treemap Layouts. Proceedings of the IEEE Symposium on Information Visualization 2001, INFOVIS ‘01, IEEE Computer Society, USA 2001.
• 6. Han J., Kamber M., Pei J.: Data Mining. Concepts and Techniques. Elsevier Inc, USA 2012.
• 7. Wakulicz-Deja A., Nowak-Brzezińska A., Xięski T.: Efficiency of complex data clustering. Lecture Notes in Computer Science. Springer, Berlin, Heidelberg 2011.
• 8. Wakulicz-Deja A., Nowak-Brzezińska A., Xięski T.: Density-based method for cluste-ring and visualization of complex data. Lecture Notes in Computer Science, Springer, Berlin, Heidelberg 2012.
• 9. Simoff S. J., Böhlen M. H., Mazeika A.: Visual Data Mining. Theory, Techniques and Tools for Visual Analytics. Springer, Berlin, Heidelberg 2008.
• 10. Xięski T., Nowak-Brzezińska A.: Gęstościowa metoda grupowania i wizualizacji danych złożonych. Studia Informatica, ZN Pol. Śl., Vol. 33, No. 2A (105), Gliwice 2012, s. 453÷464.
• 11. Nowak-Brzezińska A., Jach T., Xięski T.: Wybór algorytmu grupowania a efektywność wyszukiwania dokumentów. Studia Informatica, ZN Pol. Śl., Vol. 31, No. 2A (89), Gliwice 2010, s. 147÷162.
• 12. Berka P., Rauch J., Zighed D. A.: Data Mining and Medical Knowledge Management: Cases and Applications. Information Science Reference. IGI Publishing, USA 2009.
• 13. Xięski T.: Metody reprezentacji danych złożonych. [w:] Wakulicz-Deja A. (red.): Sys-temy wspomagania decyzji. Wydawnictwo Uniwersytetu Śląskiego, Katowice 2011.