Tytuł artykułu
Autorzy
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
Zastosowania modeli zbiorów przybliżonych do odkrywania wiedzy
Języki publikacji
Abstrakty
The amount of electronic data avalaible is growing very fast and this explosive growth in databases has generated a need for new techniques and tools that can intelligently and automatically extract implicit, previously unknown, hidden and potentially useful information and knowledge from these data. These tools and techniques are the subject of the field of Knowledge Discovery in Databases. In this paper we discuss selected rough set based solutions to two main knowledge discovery problems, namely the description problem and the classification (predication) problem.
Rozmair i licza dostępnych baz danych wzrasta bardzo szybko. W związku z tym istnieje duże zapotrzebowanie nie tylko na efektywne przechowywanie danych, ale również na automatyczne wydobywanie z danych istotnej, wcześniej nieznanej, a potencjalnie użytecznej wiedzy. Nagląca stała się potrzeba rozwoju nowych technik, które pozwoliłyby na automatyczne wydobywanie wiedzy z takich danych. Opracowanie metod i narzędzi służących temu celowi wchodzi w zakres dziedziny odkrywania wiedzy z baz danych. Celem pracy jest prezentacja wybranych rozwiązań, opartych o teorię zbiorów przybliżonych, dwóch głównych problemów odkrywania wiedzy, mianowicie: opisu i klasyfikacji (przewidywania).
Słowa kluczowe
Wydawca
Rocznik
Tom
Strony
3--136
Opis fizyczny
Twórcy
autor
- Instytut Informatyki Politechnika Białostocka ul. Wiejska 45a 15-351 Białystok, jstepan@pb.bialystok.pl
Bibliografia
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BUJ1-0008-0008