Knowledge Discovery and Data Mining: The Info-Fuzzy Network (IFN) Methodology

این کتاب یک رویکرد خاص و یکپارچه برای کشف دانش و داده کاوی ارائه می‌کند که IFN برای روش‌شناسی شبکه فازی اطلاعات نامیده می‌شود. داده کاوی (DM) علم مدل‌سازی و تعمیم الگوهای رایج از مجموعه‌های بزرگ داده‌های چند نوع است. DM بخشی از KDD است، که فرآیند کلی برای کشف دانش در پایگاه‌های داده است. دسترسی و فراوانی اطلاعات امروزه این موضوع را به موضوعی از اهمیت و نیاز ویژه تبدیل کرده است. این کتاب دارای سه بخش اصلی است که با ضمائم و همچنین نرم افزار و داده های پروژه تکمیل شده است که از وب سایت کتاب (http://www.eng.tau.ac.iV-maimonlifn-kdg£) قابل دسترسی است. بخش اول (فصل 1-4) با مبحث KDD و DM به طور کلی شروع می شود و به سایر آثار در این زمینه، به ویژه موارد مرتبط با رویکرد نظری اطلاعات اشاره می کند. بقیه کتاب کار ما را ارائه می‌کند، که با تئوری و الگوریتم‌های IFN شروع می‌شود. بخش دوم (فصل 5-6) روش شناسی کاربرد را مورد بحث قرار می دهد و شامل مطالعات موردی می باشد. سپس در بخش سوم (فصل 7-9) یک مطالعه تطبیقی ​​ارائه شده است که با برخی از روش‌های پیشرفته و مسائل باز به پایان می‌رسد. IFN که یک روش عمومی است، در زمینه های مختلفی مانند تولید، مالی، مراقبت های بهداشتی، پزشکی، بیمه و منابع انسانی کاربرد دارد. ضمیمه ها در زمینه پیشینه نظری مربوطه گسترش می یابند و شرح پروژه های نمونه (شامل نتایج دقیق) را ارائه می دهند.

This book presents a specific and unified approach to Knowledge Discovery and Data Mining, termed IFN for Information Fuzzy Network methodology. Data Mining (DM) is the science of modelling and generalizing common patterns from large sets of multi-type data. DM is a part of KDD, which is the overall process for Knowledge Discovery in Databases. The accessibility and abundance of information today makes this a topic of particular importance and need. The book has three main parts complemented by appendices as well as software and project data that are accessible from the book's web site (http://www.eng.tau.ac.iV-maimonlifn-kdg£). Part I (Chapters 1-4) starts with the topic of KDD and DM in general and makes reference to other works in the field, especially those related to the information theoretic approach. The remainder of the book presents our work, starting with the IFN theory and algorithms. Part II (Chapters 5-6) discusses the methodology of application and includes case studies. Then in Part III (Chapters 7-9) a comparative study is presented, concluding with some advanced methods and open problems. The IFN, being a generic methodology, applies to a variety of fields, such as manufacturing, finance, health care, medicine, insurance, and human resources. The appendices expand on the relevant theoretical background and present descriptions of sample projects (including detailed results).