Wyniki wyszukiwania - BazTech

Ograniczanie wyników

3 Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: knowledge dicsovery

Sortuj według:

Ogranicz wyniki do:

Use of cluster analysis and rough set approaches in predicting toxicity of chemicals

Dębska B.

Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk

2001

Nr 928

12-19

The paper presented the applications of quantitive structure-activity relationships (QSAR) in environmental chemistry and toxicology. In this study, statistical and rough set methods have been applied to the development of QSAR models for estimating the acute aquatic toxicity of selected chemical compounds. Physicochemical and topostructural indices were used as properties relevant to the assessment of toxicity. These parameters have been used in the formulation of QSAR models for predicting toxicological properties. In the experimental part of the paper, results obtained in testing of ROSETTA toolkit and VVT module are presented. The rough set methodology were then used in selection and reduction the number of paramaters (chemical indexes described the selected compounds) before cluster analysis. Cluster analysis methods were used in unsupervised learning, classifying new compounds and predicting toxicity of chemicals. The results of test cases show that both give accaptable estimates for the toxicity of the compounds studied in this paper.

Natural language processing for web search : fuzzy set approach

Kogut D.

Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk

2001

Nr 928

42-46

This article investigates whether an innovatory fuzzy set approach to the syntactic analysis of natural language can service to the information retrieval systems. It concentrates on Web search as the internet becomes a vast resource of information. In addition, the article presents a syntactic analysis module of TORCH project where the fuzzy set disambiguation has been implemented and tested.

Knowledge discovery by application of rough set models

Stepaniuk J.

Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk

1999

nr 887

3-136

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).