Rough Sets and Data Mining: Analysis of Imprecise Data

مجموعه‌های خشن و داده‌کاوی: تجزیه و تحلیل داده‌های غیردقیق مجموعه ویرایش‌شده‌ای از فصول تحقیقاتی درباره جدیدترین پیشرفت‌ها در نظریه مجموعه‌های خشن و داده‌کاوی است. فصل‌های این کار طیفی از موضوعات را پوشش می‌دهند که بر کشف وابستگی‌ها در میان داده‌ها و استدلال درباره اطلاعات مبهم، نامطمئن و غیردقیق تمرکز دارند. نویسندگان این فصل‌ها دقت کرده‌اند که تحقیقات بنیادی را با توضیحات و همچنین پوشش ابزارهای مجموعه‌ای که می‌توان برای پایگاه‌های داده‌های کاوی استفاده کرد، گنجاند.
نویسندگان مشارکت کننده شامل برخی از محققان برجسته در زمینه مجموعه های خشن، داده کاوی، یادگیری ماشین و سایر زمینه های هوش مصنوعی هستند. در میان فهرست مشارکت کنندگان می توان به Z. Pawlak، J Grzymala-Busse، K. Slowinski و دیگران اشاره کرد.
مجموعه‌های خشن و داده کاوی: تجزیه و تحلیل داده‌های غیردقیق یک کار مرجع مفید برای محققان مجموعه‌های خشن، طراحان و توسعه‌دهندگان پایگاه داده، و برای محققانی که تازه وارد حوزه‌های داده‌کاوی و راف هستند، خواهد بود. مجموعه.

Rough Sets and Data Mining: Analysis of Imprecise Data is an edited collection of research chapters on the most recent developments in rough set theory and data mining. The chapters in this work cover a range of topics that focus on discovering dependencies among data, and reasoning about vague, uncertain and imprecise information. The authors of these chapters have been careful to include fundamental research with explanations as well as coverage of rough set tools that can be used for mining data bases.
The contributing authors consist of some of the leading scholars in the fields of rough sets, data mining, machine learning and other areas of artificial intelligence. Among the list of contributors are Z. Pawlak, J Grzymala-Busse, K. Slowinski, and others.
Rough Sets and Data Mining: Analysis of Imprecise Data will be a useful reference work for rough set researchers, data base designers and developers, and for researchers new to the areas of data mining and rough sets.