Optymalizacja pewnych funkcji klasyfikatora binarnego w procesie pozyskiwania informacji z danych wielokategoryjnych

• Autorzy: Wrzesień, M.

Warianty tytułu

EN

Optimization of some functions of binary classification in process of data mining from multi-category datasets

• Języki publikacji: PL

Abstrakty

PL

W artykule opisano kolejny etap badań nad rozwojem pewnych funkcji klasyfikatora binarnego stosowanego do pozyskiwania informacji z danych wielokategoryjnych. Przedstawiono najważniejsze moduły programowe, oraz zastosowany pierwszy z etapów optymalizacji procesu uczenia. Zaprezentowano wyniki przeprowadzonego eksperymentu oraz wnioski i przyszłe kierunki badań.

EN

Selected features of binary c1assification machine used to data acquisition from multi-category data sets are shortly discussed. In the main part of paper the primary software modules are described. Then application of the first step of optimization learning process is presented. At the end of paper the results of experiments and conc1usions are discussed.

• Czasopismo: Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne
• Rocznik: 2004
• Tom: nr 3
• Strony: 271-277
• Opis fizyczny: Bibliogr. 21 poz., 2 rys., 1 tab.

Twórcy

autor

Wrzesień, M.

• Katedra Systemów Ekspertowych i Sztucznej inteligencji, Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie

• Katedra Systemów Ekspertowych i Sztucznej inteligencji, Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie

Bibliografia

• [1] Hippe Z.S., Błajdo P.: From the research on a new kNN pattern recognition method. W: Burczyński T., Cholewa W., Moczulski W. (Eds.) Methods of Artificial Intelligence, Silesian University of Technology Edit. Office, Gliwice 2002, pp. 181-185.
• [2] Lauria E.J., Tayi G.K.: Bayesian Data Mining and Knowledge Discovery, In: Wang J. (Ed.) Data Mining: Opportunities and Challenges, Idea Group Publishing, Hershey (PA) 2003, pp. 260-277.
• [3] Hippe Z.S., Wrzesień M.: Some problems of uncertainty of data after the transfer from multi-category to dichotomic problem space. In: Burczyński T., Cholewa W., Moczulski W. (Eds.), Methods of Artificial Intelligence, Silesian University of Technology Edit. Office, Gliwice 2002, pp. 185-189.
• [4] Hippe Z.S., Knap M., Paja W.: From Research on Pre-processing and Post-processing of Data in the Process of Creation Quasi-optimal Decision Trees, In: Burczyński T., Cholewa W., Moczulski W. (Eds.) Methods of Artificial Intelligence, Silesian University of Technology Edit. Office, Gliwice 2002, pp. 177-180.
• [5] Pawlak Z.: Wiedza a zbiory przybliżone, W: Traczyk W. (Red.) Problemy sztucznej inteligencji, Wiedza i Życie, Warszawa 1995.
• [6] Varmuza K.: Chemometrics: Multivariate View on Chemical Problems In: Schleyer P. v. R., Allinger N. L., Clark T., Gasteiger J., Kollman P.A., Schafer III H. F., Schreiner P. R. (Eds.) The Encyclopedia of Computational in Chemistry, J. Wiley & Sons Ltd, Chichester 1998, Vol. l, pp. 346-366.
• [7] Duda R.O., Hart P.E., Strok D.G., Pattern Classification, J. Wiley & Sons, New York 2001.
• [8] Hippe Z.S., Wrzesień M., Z badań nad rozszerzeniem możliwości klasyfikacji liniowej maszyny uczącej. W: Tadeusiewicz R. , Ligęza L., Szymkat M., (Red.), Metody i systemy komputerowe w badaniach naukowych i projektowaniu inżynierskim, mat. III Krajowej Konferencji, Kraków 19-21 Listopad 2001.
• [9] Jurs P.C., Isenhour T.L., Chemical Applications of Pattern Recognition, J.Wiley & Sons, New York 1975.
• [10] Varmuza K., Pattern Recognition in Chemistry, Springer - Verlag, Heidelberg 1980.
• [11] Jelonek J., Stefanowski J., Feature selection in the n2 -classier applied for multiclass problems, W: Burczyński T., Cholewa W., Moczulski W. (Eds.), Methods of Artificial Intelligence, PAS&SCSR, Gliwice 2002.
• [12] Jelonek J., Rozprawa doktorska: Zastosowanie złożonego systemu klasyfikatora n z mechanizmem konstruktywnej indukcji cech do wieloklasowych problemów uczenia maszynowego, Politechnika Poznańska, Poznań 2000.
• [13] Grzymala-Busse J.W., Hippe Z.S., Wrzesień M.: Klasyfikacja wielokategoryjnych przypadków przy użyciu klasyfikatora binarnego -opracowanie metodyki oraz narzędzia informatycznego, [W:] Nycz M., Owoc M.L. (Red.), Pozyskiwanie wiedzy i zarządzanie wiedzą, Wyd. Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław 2003, s. 121-127.
• [14] http://www.ics.uni.edu/-mlearn/
• [15] Grzymała-Busse J.W., Hippe Z.S., Data Mining Experiments with Melanoma Data Set. In: Intelligent Information Systems, Kłopotek M., Michalewicz M., Wierzchoń S.T. (Eds.), Physica-Verlag, Heidelberg 2000, pp. 27-34.
• [16] hltp://www.stat.wisc.edu/~limt/
• [17] Hippe Z.S., Iwaszek G., From Research on a New Method of Development of Quasi – optimal Decision Trees, w: Kłopotek M., Michalewicz M., Wierzchoń S.T. (Red.), Intelligent Information Systems IX, Inst. Podstaw Informatyki PAN, Warszawa 2000, s. 31-35.
• [18] http://www-ai.ijs.si/BlazZupan/car.html
• [19] Hippe Z.S., Mroczek T.. Melanoma Classification and Prediction Using Belief Networks, 3rd Conference on Computer Identification Systems KOSYR'2003, Miłków, 26-29.05.2003.
• [20] Kubat M., Bratko I., Michalski R.S., A Review of Machine Learning Methods, In: Machine Learning and Data Mining: Methods and Applications, Michalski R.S., Bratko L, Kubat M. (Eds.), J. Wiley & Sons, London 1998, pp. 3-69.
• [21] Michalski R.S., Seminarium: Problemy generacji wiedzy: metodologia i bieżące badania, Rzeszów 1.12.2003.