Optimization Based Data Mining: Theory and Applications

تکنیک‌های بهینه‌سازی به طور گسترده برای پیاده‌سازی الگوریتم‌های داده کاوی مختلف به کار گرفته شده‌اند. علاوه بر ماشین‌های بردار پشتیبانی معروف (SVM) (که مبتنی بر برنامه‌نویسی درجه دوم هستند)، نسخه‌های مختلف برنامه‌نویسی چند معیاره (MCP) به طور گسترده در جداسازی داده‌ها استفاده شده‌اند. از آنجایی که روش‌های داده‌کاوی مبتنی بر بهینه‌سازی با آمار، القای درخت تصمیم و شبکه‌های عصبی متفاوت است، الهام‌بخش نظری آن‌ها بسیاری از محققان را که علاقه‌مند به توسعه الگوریتم داده‌کاوی هستند، جذب کرده است.

< i>داده کاوی مبتنی بر بهینه سازی: تئوری و کاربردها، عمدتاً بر روی MCP و SVM به ویژه پیشرفت نظری اخیر آنها و کاربردهای واقعی در زمینه های مختلف تمرکز دارد. اینها شامل امور مالی، خدمات وب، بیو انفورماتیک و مهندسی نفت است که علاقه شاغلین را برانگیخته است که به دنبال روش های جدیدی برای بهبود نتایج داده کاوی برای کشف دانش هستند.

بیشتر مطالب در این زمینه وجود دارد. کتاب مستقیماً از فعالیت‌های پژوهشی و کاربردی است که گروه پژوهشی نویسندگان در ده سال گذشته انجام داده است. این کتاب با هدف شاغلین و فارغ التحصیلانی که دانش بنیادی در داده کاوی دارند، مفاهیم اساسی و مبانی نحوه استفاده از تکنیک های بهینه سازی برای مقابله با مشکلات داده کاوی را نشان می دهد.

Optimization techniques have been widely adopted to implement various data mining algorithms. In addition to well-known Support Vector Machines (SVMs) (which are based on quadratic programming), different versions of Multiple Criteria Programming (MCP) have been extensively used in data separations. Since optimization based data mining methods differ from statistics, decision tree induction, and neural networks, their theoretical inspiration has attracted many researchers who are interested in algorithm development of data mining.

Optimization based Data Mining: Theory and Applications, mainly focuses on MCP and SVM especially their recent theoretical progress and real-life applications in various fields. These include finance, web services, bio-informatics and petroleum engineering, which has triggered the interest of practitioners who look for new methods to improve the results of data mining for knowledge discovery.

Most of the material in this book is directly from the research and application activities that the authors’ research group has conducted over the last ten years. Aimed at practitioners and graduates who have a fundamental knowledge in data mining, it demonstrates the basic concepts and foundations on how to use optimization techniques to deal with data mining problems.