Streszczenie wystąpienia oraz wykaz publikacji
Transkrypt
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)