Rough – Granular Computing in Knowledge Discovery and Data Mining

کتاب \"محاسبات دانه‌ای خشن در کشف دانش و داده کاوی\" نوشته پروفسور یاروسلاو استپانیوک به روش‌هایی بر اساس ترکیبی از سه حوزه مرتبط نزدیک و به سرعت در حال رشد زیر اختصاص دارد: محاسبات دانه‌ای، راف مجموعه ها و کشف دانش و داده کاوی (KDD). در این کتاب، مبانی KDD مبتنی بر رویکرد مجموعه‌ای خشن و محاسبات دانه‌ای همراه با کاربردهای مصور مورد بحث قرار گرفته است. در جستجوی الگوهای مرتبط یا در القاء (ساخت) طبقه‌بندی‌کننده در KDD، انواع مختلفی از گرانول‌ها مدل‌سازی می‌شوند. در این فرآیند مدل سازی، گرانول هایی به نام فضاهای تقریبی قاعده خاصی را ایفا می کنند. فضاهای تقریبی با همسایگی اشیاء و اندازه گیری بین مجموعه ای از اشیاء تعریف می شوند. در این کتاب، نویسنده بر اهمیت فضاهای تقریبی در جستجوی الگوهای مرتبط و سایر دانه‌ها در سطوح مختلف مدل‌سازی برای تقریب‌های مفهومی ترکیبی تأکید می‌کند. محاسبات روی چنین گرانول‌هایی برای مدل‌سازی محاسبات روی گرانول‌ها در جستجوی گرانول‌های بهینه هدف (زیر) و برهمکنش‌های آنها در سطوح مختلف مدل‌سازی سلسله مراتبی استفاده می‌شوند. روش‌های مبتنی بر ترکیب محاسبات دانه‌ای، رویکردهای مجموعه‌ای خشن و فازی امکان ساخت کارآمدی از تقریب با کیفیت بالا از مفاهیم ترکیبی را فراهم می‌کنند.

The book "Rough-Granular Computing in Knowledge Discovery and Data Mining" written by Professor Jaroslaw Stepaniuk is dedicated to methods based on a combination of the following three closely related and rapidly growing areas: granular computing, rough sets, and knowledge discovery and data mining (KDD). In the book, the KDD foundations based on the rough set approach and granular computing are discussed together with illustrative applications. In searching for relevant patterns or in inducing (constructing) classifiers in KDD, different kinds of granules are modeled. In this modeling process, granules called approximation spaces play a special rule. Approximation spaces are defined by neighborhoods of objects and measures between sets of objects. In the book, the author underlines the importance of approximation spaces in searching for relevant patterns and other granules on dfferent levels of modeling for compound concept approximations. Calculi on such granules are used for modeling computations on granules in searching for target (sub) optimal granules and their interactions on different levels of hierarchical modeling. The methods based on the combination of granular computing, the rough and fuzzy set approaches allow for an effcient construction of the high quality approximation of compound concepts.