Streszczenie wystąpienia oraz wykaz publikacji

Streszczenie wystąpienia oraz wykaz publikacji

Tytuł: Eksploracja danych relacyjnych w paradygmacie obliczeń granularnych
Streszczenie:
Jednym z głównych wyzwań eksploracji danych jest opracowanie jej ujednoliconej teorii.
Wiele technik eksploracji danych jest w pewnym sensie tworzonych ad hoc, tj. jedynie w celu
rozwiązywania indywidualnych problemów takich, jak np. odkrywanie asocjacji, klasyfikacja czy
grupowanie. Paradygmat, który ujednolica różne zadania eksploracji danych może przyczynić się
do sprawniejszego ich wykonywania, a także może stanowić podłożę do nowych badań.
Problem stworzenia ujednoliconego paradygmatu jest bardziej skomplikowanym zadaniem
w przypadku danych relacyjnych. Dane takie są rozmieszczone w wielu tabelach, więc kluczowym
zagadnieniem staje się określenie modelu danych, odpowiedniego do wykonywanego zadania. Taki
model bezpośrednio determinuje typ wzorców, które mogą być wydobyte z danych, a przez to
również kierunek eksploracji tych danych.
Unifikacja zadań eksploracji danych relacyjnych może być dokonana poprzez stworzenie
pomostu pomiędzy danymi a wiedzą, która ma być z nich wydobyta. Obliczenia granularne jako
paradygmat przetwarzania informacji okazują się być odpowiednim narzędziem do zbudowania
takiej konstrukcji. Granularna postać danych relacyjnych może być spostrzegana, z jednej strony,
jako ich alternatywna reprezentacja, a z drugiej, jako platforma do odkrywania wzorców rożnego
rodzaju.
Celem prezentacji seminaryjnej jest omówienie wyników badań dotyczących opracowania
kompleksowego podejścia eksploracji danych relacyjnych w paradygmacie obliczeń granularnych.
Przedstawione zostaną dwa rozwiązania: podejście bazujące na uogólnionych opisach obiektów
relacyjnych oraz podejście polegające na rozszerzeniu języka opisu granul do postaci relacyjnej. W
pierwszym z nich zachowana jest relacyjna struktura danych oraz wykorzystywany jest relacyjny
język do wyrażania wiedzy wydobytej z danych. Drugie podejście to relacyjna adaptacja
granularnych narzędzi dedykowanych do danych nierelacyjnych. Oba podejścia umożliwiają
zarówno przedefiniowanie istniejących algorytmów eksploracji danych relacyjnych, jak i
opracowanie nowych rozwiązań w środowisku obliczeń granularnych.
Dorobek przed uzyskaniem stopnia doktora:
Stepaniuk J., Hońko P.: Learning first-order rules: A rough set approach, Fundamenta Informaticae
61, IOS Press, s. 139–157, 2004
Hońko P.: Classification of complex structured objects on the base of similarity degrees, Lecture
Notes in Computer Science 4585, Springer, s. 553-563, 2007
Hońko P.: Description and classification of complex structured objects by applying similarity
measures, International Journal of Approximate Reasoning 49(3), Elsevier, s. 539-554, 2008
Hońko P.: Simialrity-based classification in relational databases, Fundamenta Informaticae 101(3),
IOS Press, s. 187-213, 2010
Dorobek po uzyskaniu stopnia doktora:
Hońko P.: Relational pattern updating, Information Sciences 189, Elsevier, s. 208–218, 2012
Hońko P.: Rough-granular computing based relational data mining, Communications in Computer
and Information Science 297, Springer, s. 290–299, 2012
Hońko P.: Association discovery from relational data via granular computing, Information Sciences
234, Elsevier, s. 136–149, 2013
Hońko P.: Granular computing for relational data classification, Journal of Intelligent Information
Systems 41(2), Springer, s. 187–210, 2013
Hońko P.: Upgrading a granular computing based data mining framework to a relational case.
International Journal of Intelligent Systems 29(5), Wiley Periodicals, Inc., s. 407–438, 2014
Hońko P.: Description languages for relational information granules, Fundamenta Informaticae
137(3), IOS Press, s. 323–340, 2015
Hońko P.: Scalability of data decomposition based algorithms: Attribute reduction problem, Lecture
Notes in Computer Science 9124, Springer, s. 387-396, 2015
Hońko P.: Relation-based granules to represent relational data and patterns, Applied Soft Computing
37(C), Elsevier, s. 467–478, 2015
Hońko P.: Improving indiscernibility matrix based approach for attribute reduction, Lecture Notes
in Computer Science 9436, Springer, s. 119-128, 2015
Hońko P.: Compound approximation spaces for relational data. International Journal of
Approximate Reasoning 71, Elsevier, s. 89–111, 2016
Hońko P.: Attribute reduction: a horizontal data decomposition approach, Soft Computing 20(3),
Springer, s. 951-966, 2016
Hońko P.: Representatives of rough regions for generating classification rules, Springer, Lecture
Notes in Computer Science 9842, s. 79-90, 2016
Hońko P.: Properties of a granular computing framework for mining relational data, International
Journal of Intelligent Systems, Wiley Periodicals, Inc., DOI 10.1002/int.21839, 2016
Osiągnięcie:
Hońko P.: Granular-Relational Data Mining: How to Mine Relational Data in the Paradigm of
Granular Computing?, Studies in Computational Intelligence, Springer (złożone do druku)