Algorytm generowania reguł pierwszego rzędu wykorzystujący metody zbiorów przybliżonych

• Autorzy: Stepaniuk J , Góralczuk L.

Warianty tytułu

EN

An algorithm generating first order rules based on rough set methods

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono algorytm generowania reguł pierwszego rzędu, tzn. zależności, które w poprzedniku mają koniunkcję formuł atomowych bądź ich negacji a w następniku formułę atomową. Technikę zbiorów przybliżonych wykorzystano w procesie doboru literałów mogących wchodzić w skład przesłanki generowanej reguły. Kryterium doboru opiera się na tym, aby reguła po dołączeniu do jej przesłanki kandydującego literału jak najlepiej rozróżniała przykłady pozytywne i negatywne, które do tej pory nie były rozróżnialne.

EN

The aim of this paper is to introduce and investigate an algorithm for finding first order rules. Rough set theory is used in the process of selecting literals, which may be part of the rule. The criterion of selecting literals reads as follows: only those literals are selected, which adding to the rule makes that the rule discerns the most examples from those, which were yet undiscerned.

Słowa kluczowe

EN

rough sets; inductive logic programming

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Zeszyty Naukowe Politechniki Białostockiej. Informatyka
• Rocznik: 2002
• Tom: Z.1
• Strony: 235--250
• Opis fizyczny: Bibliogr. 14 poz., tab.

Twórcy

autor

Stepaniuk J

• Politechnika Białostocka, Katedra Oprogramowania, ul. Wiejska 45 A, 15-351 Białystok

autor

Góralczuk L.

• Politechnika Białostocka, Katedra Oprogramowania, ul. Wiejska 45 A, 15-351 Białystok

Bibliografia

• [1] F. Esposito, D. Malerba, G.Semerano, M.Pazzani: A Machine Learning Approach To Document Understanding, Proceedings of the Second International Workshop on Multistrategy Learning, R. S. Michalski, G. Tecuci, (Eds.), 1993, 276-292.
• [2] ftp://ftp.mlnet.org/ml-archive/general/data/doc-understanding/ — baza danych dokumentów.
• [3] H. Midelfart, J. Komorowski: A Rough Set Approach to Inductive Logic Programming, W. Ziarko, Y. Yao, (Eds.), Proceedings of the 2nd International Conference on Rough Sets and Current Trends in Computing (RSCTC-2000), 2000, 158-166.
• [4] J. Stepaniuk: Knowledge Discovery by Application of Rough Set Models, L. Polkowski, S. Fsumoto, T.Y. Lin, (Eds.), Rough Sets: New Developments, Physica- Verlag, Heidelberg, 2000, 137-233.
• [5] L. Polkowski, A. Skowron (Eds.): Rough Sefs in Knowledge Discovery 1: Methodology and Applications. Physica- Verlag, Heidelberg, 1998.
• [6] L. Polkowski, A. Skowron (Eds.): Rough Sets in Knowledge Discovery 2: Applications, Case Studies and Software Systems. Physica-Verlag, Heidelberg, 1998.
• [7] N. Lavrac, S. Dzeroski: Inductive Logic Programming, Techniques and Applications, Ellis Horwood Limited 1994.
• [8] P. Cichosz: Systemy uczące się. WNT, 2000.
• [9] S. K. Pal, A. Skowron (Eds.): Rough Fuzzy Hybridization: A New Trend in Decision-Making. Springer-Verlag, Singapore, 1999.
• [10] System FOIL: http://www.cse.unsw.edu.au/quinlan/.
• [11] System LINUS: fip://ftp.mlnet.org/ml-archive/ILP/public/software/linus/.
• [12] System PROGOL: http://wwwz-users.cs.york.ac.uk/stephen/progol.html.
• [13] T. Mitchell: Machine Learning. McGraw Hill, 1997.
• [14] Z. Pawlak: Rough Sets. Theoretical Aspects of Reasoning about Data, Kluwer Academic Publishers, Dordrecht, 1991.