Machine Learning and Data Mining in Pattern Recognition: Third International Conference, MLDM 2003 Leipzig, Germany, July 5–7, 2003 Proceedings

کنفرانس بین‌المللی یادگیری ماشین و داده‌کاوی (MLDM) سومین نشست از مجموعه رویدادهای دوسالانه است که در سال 1999 توسط مؤسسه بینایی رایانه و علوم رایانه کاربردی (IBaI) در لایپزیگ سازماندهی شد. MLDM به عنوان یک کارگاه شروع شد و اکنون یک کنفرانس است و موضوع یادگیری ماشینی و داده کاوی را مورد توجه جامعه تحقیقاتی قرار داده است. امسال هفتاد و هفت مقاله به کنفرانس ارسال شد. کمیته برنامه به سختی تلاش کرد تا مترقی ترین تحقیق را انتخاب کند و روند بررسی معتبر را انتخاب کند که منجر به پذیرش 33 مقاله برای ارائه در کنفرانس شد. 33 مقاله در این مجموعه، طیف گسترده ای از موضوعات مرتبط با یادگیری ماشین و داده کاوی را پوشش می دهد. دو گفتگوی دعوت شده با یادگیری در استدلال مبتنی بر مورد و با استخراج داده های ساختاری سروکار دارند. مقالات ارائه شده را می توان در نه حوزه گروه بندی کرد: ماشین های بردار پشتیبان. الگوی دیس بسیار; درختان تصمیم خوشه بندی؛ طبقه بندی و بازیابی. استدلال مبتنی بر مورد؛ مدل ها و روش های بیزی؛ قوانین انجمن؛ و برنامه های کاربردی ما می‌خواهیم قدردانی خود را از داوران به‌خاطر کار دقیق و بسیار حرفه‌ای‌شان ابراز کنیم. از بنیاد علم آلمان برای حمایتش از محققان اروپای شرقی سپاسگزاریم. ما از کمک و درک سرمقاله قدردانی می کنیم؟ در Springer Verlag، و به ویژه آلفرد هافمن، که از انتشار این مقالات در سری LNAI حمایت کرد. در آخر، اما نه کم‌اهمیت، مایلیم از همه سخنرانان و شرکت‌کنندگانی که در موفقیت کنفرانس سهیم بودند تشکر کنیم.

TheInternationalConferenceonMachineLearningandDataMining(MLDM)is the third meeting in a series of biennial events, which started in 1999, organized by the Institute of Computer Vision and Applied Computer Sciences (IBaI) in Leipzig. MLDM began as a workshop and is now a conference, and has brought the topic of machine learning and data mining to the attention of the research community. Seventy-?ve papers were submitted to the conference this year. The program committeeworkedhardtoselectthemostprogressiveresearchinafairandc- petent review process which led to the acceptance of 33 papers for presentation at the conference. The 33 papers in these proceedings cover a wide variety of topics related to machine learning and data mining. The two invited talks deal with learning in case-based reasoning and with mining for structural data. The contributed papers can be grouped into nine areas: support vector machines; pattern dis- very; decision trees; clustering; classi?cation and retrieval; case-based reasoning; Bayesian models and methods; association rules; and applications. We would like to express our appreciation to the reviewers for their precise andhighlyprofessionalwork.WearegratefultotheGermanScienceFoundation for its support of the Eastern European researchers. We appreciate the help and understanding of the editorial sta? at Springer Verlag, and in particular Alfred Hofmann,whosupportedthepublicationoftheseproceedingsintheLNAIseries. Last, but not least, we wish to thank all the speakers and participants who contributed to the success of the conference.