The paper is devoted to the problem of mining graph data. The goal of this process is to discover possibly certain sequences appearing in data. Both rough set flow graphs and fuzzy flow graphs are used to represent sequences of items originally arranged in tables representing information systems. Information systems are considered in the Pawlak sense, as knowledge representation systems. In the paper, an approach involving ant based clustering is proposed. We show that ant based clustering can be used not only for building possible large groups of similar objects, but also to build larger structures (in our case, sequences) of objects to obtain or preserve the desired properties.
Odkrywanie wiedzy z dużych baz danych jest jednym z istotnych i aktualnych problemów badawczych. W referacie przedstawione zostaną pewne metody automatycznego odkrywania modeli współbieżnych zdanych eksperymentalnych ([4],[5-6]). Metody te oparte są na teorii zbiorów przybliżonych [l] i teorii sieci Petriego [2]. Celem referatu jest prezentacja algorytmów realizujących odkrywanie z danych eksperymentalnych modeli współbieżnych reprezentowanych w formie sieci Petriego. Praktycznym wynikiem tych prac badawczych będzie moduł wspomagający odkrywanie modeli współbieżnych z danych. Moduł będzie częścią składową tworzonego w Katedrze Podstaw Informatyki WSIiZ w Rzeszowie systemu komputerowego do wspomagania projektowania i analizy modeli współbieżnych, działającego na komputerach klasy PC pod kontrolą systemu operacyjnego Windows. Wskazane zostaną także kierunki dalszych badań.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.