Wybrane zagadnienia integracji zbiorów przybliżonych i baz danych

Czajkowski, K.; Drabowski, M.

Artykuł - szczegóły

Tytuł artykułu

Wybrane zagadnienia integracji zbiorów przybliżonych i baz danych

Autorzy

Czajkowski K. , Drabowski M.

Identyfikatory

Warianty tytułu

Selected issues of rough sets and database integration

Języki publikacji

Abstrakty

rtykuł zawiera wybrane propozycje integracji pojęć i metod charakterystycznych dla zbiorów przybliżonych z technikami stosowanymi w relacyjnych bazach danych. Integracja ta ma na celu zwiększenie wydajności w realizacji złożonych obliczeniowo operacji. W pracy zaprezentowano implementacje w środowisku bazodanowym algorytmu selekcji atrybutów nieusuwalnych oraz metody do znajdowania reduktów. Przedstawiono oryginalne przykłady zastosowania takich podejść integracyjnych.

This paper includes selected propositions of concepts and methods integration that are characteristic for rough sets with techniques applied in relational databases. This integration has the aim to increase efficiency in realization of complex computational operations. In this work there have been presented implementations of the algorithm of core attributes selection and method for reducts finding in database environment. There have been presented original examples of such integration approaches application.

Słowa kluczowe

zbiory przybliżone redukcja atrybutów atrybut nieusuwalny redukty kwerendy

rough sets attributes reduction core attributes reducts queries

Wydawca

Wydawnictwo Politechniki Śląskiej

Czasopismo

Studia Informatica

Rocznik

2009

Tom

Vol. 30, nr 2A

Strony

355--372

Opis fizyczny

Bibliogr. 22 poz.

Twórcy

autor

Czajkowski K.

autor

Drabowski M.

Instytut Teleinformatyki Politechnika Krakowska, 31-155 Kraków, ul. Warszawska 24 tel. (012) 628-26-70, kc@pk.edu.pl

Bibliografia

1. Pawlak Z.: Some Issues on Rough Sets. In: Transactions on Rough Sets I, LNCS, Springer 2004, s. 1-5-58.
2. Komorowski, J., Pawlak, Z., Polkowski, L., Skowron, A, A Rough Set Perspective on Data and Knowledge. In: Rough Fuzzy Hybridization (S. K. Pal, A. Skowron, Eds.), Springer-Verlag, 1999, s. 107-121.
3. Ferdinandez-Baizan A, Ruiz E., Sanchez J.: Integrating RDMS and Data Mining capabilities USillgrough sets. In Proc. IPMU'96, Granada, Spain, 1996, s. 1439-1445.
4. Hu X., Lin T., Han J.: ANew Rough Sets Model Based on Database Systems. Fundamenta Inforrnatica. 59, IOS Press 2004, s. 135-152.
5. Hu X.: Using rough sets theory and database operations to construct a good ensemble of classifiers for data mining applications. Data Mining, 2001. ICDM 2001, Proceedings IEEE International Conference, s. 233-240.
6. Cercone N., Ziarko W., Hu X.: Rule discovery from databases: A Decision matrix approach. In Proc. ISMIS'96, Zakopane, 1996, s. 653-662.
7. Hu X., Shun N., Cercone N., Ziarko W.: DBROUGH: A Rough Set Based Knowledge Discovery System. Lecture Notes in Computer Science, Springer-Verlag, 1994, s. 386-395.
8. Nguyen, S. H., Nguyen, H. S.: Some efficient algorithms for rough set methods. Proceedings of the Sixth International Conference, Information Procesing and Management of Uncertainty in Knowledge-Based Systems (IPMU-96), 2, Granada, Spain, 1996, s. 1541-1457.
9. Skowron, A., Rauszer C: The Discernibility Matrices and Functions in Information Systems. Intelligent Decision Support - Handbook of Applications and Advances of the Rough Sets Theory, K. Słowiński (ed), Kluwer, Dordrecht, 1992, s. 331-362.
10. Mrózek A., Płonka L.: Analiza danych metodą zbiorów przybliżonych - Zastosowania w ekonomii, medycynie i sterowaniu. Akad. Oficyna Wyd. PLJ, Warszawa 1999.
11. Załuski J., Szoszkiewicz R., Krysiński J., Stefanowski J.: Rough Set Theory and Decision Rules in Data Analysis of Breast Cancer Patients. In: Transactions on Rough Sets I, LNCS, Springer 2004, s. 375-391.
12. Thangavel K., Pethalakshmi A.: Feature selection for medical database using rough system. International Journal on Artificial Intelligence and Machine Learning. v6 il 2005, s. 11-17.
13. Thangavel K., Karnan M., Pethalakshmi A.: Performance Analysis of Rough Reduct Algorithms in Mammograf. ICGST International Journal on Graphics, Vision and Image Processing, v5 i8, 2005, s. 13-21.
14. Wójcik B., Ziarko W.: Rough sets approach to analysis of databases of women with breast cancer treated in the U.S. military facilities. Proceedings of IEEE-SMC International Conference on Computational Engineering in Systems Applications 1996, s. 748-752.
15. Li J., Cercone N.: Empirical Analysis on the Geriatric Care Data Set Using Rough Sets Theory. Technical Report, CS-2005-05, University of Waterloo, 2005.
16. Drabowski M., Czajkowski K.: Sieci neuronowe i Prolog w inteligentnej bazie danych. Próby analizy wybranych objawów choroby nowotworowej, w: R. Tadeusiewicz, A.Ligęza, M. Szymkat (red.) "Computer Methods and Systems", tom II, Oprogramowanie Naukowo-Techniczne, Kraków 2005, s. 421-426.
17. Wolberg W.: Benign breast disease and breast cancer tutorial, http://www.wisc.edu-/wolberg/breast.html.
18. Szopiński K., Szopinska M.: Współczesne poglądy na diagnostykę obrazową i biopsję zmian ogniskowych sutka. PZWL, 2003.
19. Olson D., Delen D.: Advanced Data Mining Techniques. Springer, Berlin 2008.
20. A Rough Set Toolkit for Analysis of Data - http://www.lcb.uu.se/tools/rosetta/.
21. Garcia-Molina H., Ullman J., Widom J.: Systemy baz danych. Pełny wykład, WNT, 2006.
22. Urman S., Hardman R., McLaughlin M.: Oracle Database 10g. Programowanie w języku PL/SQL, Helion 2007.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BSL9-0027-0032