Machine Learning and Data Mining in Pattern Recognition: 5th International Conference, MLDM 2007, Leipzig, Germany, July 18-20, 2007. Proceedings

MLDM / ICDM Medaillie Meissner Porcellan، "طلای سفید" پادشاه آگوست قوی ترین ساکسونی، گوتفرید ویلهلم فون لایبنیتس، ریاضیدان بزرگ و پسر لایپزیگ، در طول رویداد ما در یادگیری ماشین و داده کاوی به صورت الگو مراقب ما بود. شناخت (MLDM 2007). او می تواند به آنچه تاکنون در این زمینه به دست آورده ایم افتخار کند. امسال برنامه تحقیقاتی خوبی داشتیم. این پنجمین رویداد MLDM در تشخیص الگو بود که در لایپزیگ (www.mldm.de) برگزار شد. امروزه جلسات بین المللی زیادی با عنوان یادگیری ماشینی و داده کاوی برگزار می شود که موضوعات آنها متن کاوی، کشف دانش و برنامه های کاربردی است. این جلسه از اولین رویداد بر جنبه های یادگیری ماشین و داده کاوی در مشکلات تشخیص الگو متمرکز شده است. ما برنامه‌ریزی کردیم تا پارادایم‌های تشخیص الگوی کلاسیک و تثبیت‌شده را از دیدگاه یادگیری ماشین و داده‌کاوی دوباره سازماندهی کنیم. اگرچه این یک برنامه چالش برانگیز در اواخر دهه 1990 بود، اما این ایده نقاط شروع جدیدی در تشخیص الگو ارائه کرد و بر سایر زمینه ها مانند بینایی رایانه ای شناختی تأثیر گذاشت. برای این نسخه، کمیته برنامه 258 مورد ارسالی از 37 کشور دریافت کرد (شکل 1 را ببینید). رسیدگی به این تعداد بالای مقاله چالش بزرگی برای داوران بود. هر مقاله به طور کامل بررسی شد و همه نویسندگان گزارش مفصلی از کار ارسالی خود دریافت کردند.

MLDM / ICDM Medaillie Meissner Porcellan, the “White Gold” of King August the Strongest of Saxonia Gottfried Wilhelm von Leibniz, the great mathematician and son of Leipzig, was watching over us during our event in Machine Learning and Data Mining in Pattern Recognition (MLDM 2007). He can be proud of what we have achieved in this area so far. We had a great research program this year. This was the fifth MLDM in Pattern Recognition event held in Leipzig (www.mldm.de). Today, there are many international meetings carrying the title machine learning and data mining, whose topics are text mining, knowledge discovery, and applications. This meeting from the very first event has focused on aspects of machine learning and data mining in pattern recognition problems. We planned to reorganize classical and well-established pattern recognition paradigms from the view points of machine learning and data mining. Although it was a challenging program in the late 1990s, the idea has provided new starting points in pattern recognition and has influenced other areas such as cognitive computer vision. For this edition, the Program Committee received 258 submissions from 37 countries (see Fig. 1). To handle this high number of papers was a big challenge for the reviewers. Every paper was thoroughly reviewed and all authors received a detailed report on their submitted work.