Granular-Relational Data Mining

این کتاب دو رویکرد محاسباتی دانه‌ای کلی برای استخراج داده‌های رابطه‌ای ارائه می‌کند، که اولی از توصیفات انتزاعی اشیاء رابطه‌ای برای ساختن نمایش دانه‌ای آنها استفاده می‌کند، در حالی که دومی راه‌حل‌های داده کاوی دانه‌ای موجود را به یک مورد رابطه‌ای گسترش می‌دهد.
هر دو. رویکردها انجام و بهبود وظایف رایج داده کاوی مانند طبقه بندی، خوشه بندی و کشف ارتباط را ممکن می سازند. چگونه می توان وظایف مختلف داده کاوی رابطه ای را به بهترین نحو یکپارچه کرد؟ چگونه می توان فرآیند ساخت الگوهای رابطه ای را ساده کرد؟ چگونه می توان دانش غنی تر از داده های رابطه ای را کشف کرد؟ به همه این پرسش‌ها می‌توان به یک روش پاسخ داد: با استخراج داده‌های رابطه‌ای در الگوی محاسبات دانه‌ای!
این کتاب به خوانندگانی که تجربه قبلی در زمینه داده‌کاوی رابطه‌ای دارند، این امکان را می‌دهد تا مزایای فراوان چشم‌انداز دانه‌ای آن را کشف کنند. به نوبه خود، آن دسته از خوانندگانی که با پارادایم محاسبات دانه ای آشنا هستند، بینش های ارزشمندی در مورد کاربرد آن در استخراج داده های رابطه ای پیدا خواهند کرد. در نهایت، این کتاب به همه خوانندگان علاقه‌مند به هوش محاسباتی در معنای وسیع‌تر این فرصت را می‌دهد تا درک خود را از داده‌کاوی دانه‌ای-رابطه‌ای میدانی تازه در حال ظهور عمیق‌تر کنند.

This book provides two general granular computing approaches to mining relational data, the first of which uses abstract descriptions of relational objects to build their granular representation, while the second extends existing granular data mining solutions to a relational case.
Both approaches make it possible to perform and improve popular data mining tasks such as classification, clustering, and association discovery. How can different relational data mining tasks best be unified? How can the construction process of relational patterns be simplified? How can richer knowledge from relational data be discovered? All these questions can be answered in the same way: by mining relational data in the paradigm of granular computing!
This book will allow readers with previous experience in the field of relational data mining to discover the many benefits of its granular perspective. In turn, those readers familiar with the paradigm of granular computing will find valuable insights on its application to mining relational data. Lastly, the book offers all readers interested in computational intelligence in the broader sense the opportunity to deepen their understanding of the newly emerging field granular-relational data mining.