TRS library - tool for inducing and postprocessing of decision rules

• Autorzy: Sikora M. , Gruca A. , Gruca R.

Warianty tytułu

PL

Biblioteka TRS - narzędzie do indukcji i postprocessingu reguł decyzyjnych

• Języki publikacji: EN

Abstrakty

EN

This paper presents TRS library, which implements decision rules induction algorithms based on tolerance rough sets model. Algorithms used for filtering and approximating rules proposed by their authors arę significant part of the library. Until nów the library was available as a binary file or using command linę interpreter. Recently graphical user interface was created to simplify experiments and analysis.

PL

W artykule opisano bibliotekę TRS, udostępniającą indukcję reguł decyzyjnych za pomocą tolerancyjnego modelu zbiorów przybliżonych. Ważną częścią biblioteki są zaproponowane przez jej autorów algorytmy, umożliwiające filtrację i uogólnianie wyznaczonych reguł. Dotychczas korzystanie z biblioteki było możliwe za pośrednictwem wersji skompilowanej lub poprzez opracowany interpreter skryptów, obecnie opracowano również interfejs użytkownika, dzięki czemu łatwiej można przeprowadzać eksperymenty i analizy.

Słowa kluczowe

EN

decision rules; filtering rules; generalizing rules; classification

PL

reguły decyzyjne; filtracja reguł; uogólnianie reguł; klasyfikacja

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2005
• Tom: Vol. 26, nr 4
• Strony: 5--21
• Opis fizyczny: Bibliogr. 15 poz., rys.

Twórcy

autor

Sikora M.

• Politechnika Śląska, Instytut Informatyki, ul. Akademicka 16, 44-101 Gliwice, Polska

autor

Gruca A.

• Politechnika Śląska, Instytut Informatyki, ul. Akademicka 16, 44-101 Gliwice, Polska

autor

Gruca R.

• Politechnika Śląska, Instytut Informatyki, ul. Akademicka 16, 44-101 Gliwice, Polska

Bibliografia

• Bazan J. G., Szczuka M. S., Wróblewski J.: A New Version of Rough Set Exploration System. Lecture Notes in Artificial Intelligence 2475, Berlin, Heidelberg: Springer-Verlag, 2002, pp.397-404.
• Bruha I.: Quality of Decision Rules: Definitions and Classification Schemes for Multiple Rules. Nakhaeizadeh G., Taylor C. C. (ed.) Machine Learning and Statistics, The Interface. John Wiley and Sons, 1997
• Grzymała-Busse J.: LERS – a system for learning from examples based on rough sets. Słowiński R. (ed.): Intelligent Decision Support. Dordrecht. Kluwer 1992, pp.3-18.
• Goldberg D. E.: Algorytmy genetyczne i ich zastosowania. Wydawnictwo Naukowo-Techniczne, Warszawa 1998.
• Michalski R. S., Bratko I.: Machine Learning and Data Mining: Methods and Appli-cations. John Wiley and Sons, 1998.
• Nguyen H. S., Nguyen S. H.: Some efficient algorithms for rough set methods. Proceedings of the Sixth International Conference, IPMU'96 2, July 1-5, Granada, Spain pp. 1451-1456.
• Ohrn A.: Rosetta technical users manual. Knowledge Systems Group, Dept. of Computer and Information Science, NTNU, Norway, 2001. (http://rosetta.sourceforge.net/)
• Pawlak Z.: Rough sets: Theoretical aspects of reasoning about data. Dordrecht: Kluwer, 1991
• Proksa P., Sikora M.: Application of Genetic Algorithms to Create Rule Description of Decision Classes. V Krajowa Konferencja Algorytmy Ewolucyjne i Optymalizacja Globalna. Jastrzębia Góra, 30.05-1.06, 2001, pp. 178-196.
• Sikora M.: Filtracja zbioru reguł decyzyjnych wykorzystująca funkcje oceny jakości reguł. Studia Informatica Vol. 46, No. 4, Gliwice 2001.
• Sikora M., Proksa P.: Algorithms for generation and filtration of approximate decision rules, using rule-related quality measures. Bulletin of International Rough Set Society Vo. 5, No. 1/2 .Proceedings of RSTGC-2001, 2001, pp.
• Sikora M., Proksa P.: Induction of decision and association rules for knowledge discovery in industrial databases. DM-IEEE, IEEE International Conference of Data Mining, Brighton, 01-04, November 2004.
• Sikora M.: Approximate decision rules induction algorithm using rough sets and rule-related quality measures. Archiwum Informatyki Teoretycznej i Stosowanej (w druku).
• Stefanowski J.: Rough set based rule induction techniques for classification problems. Proc. 6-th European Congress for Intelligent Techniques and Soft Computing, vol.1, Aachen, Sept. 7-10, 1998, pp.107-119.
• Stepaniuk J.: Knowledge Discovery by Application of Rough Set Models. ICS PAS Reports No. 887, Warszawa, 1999.