$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

개념 상승과 속성의 최적 감축에 의한 결정 규칙의 생성

Generation of Decision Rules Bsed on Concept Ascension and Optimal Reduction of Attributes

초록

본 논문은 대규모 데이터베이스에서 의사 결정을 위한 지식을 효율적으로 추출하기 위해 개념 상승과 속성 감축에 기반한 통합적 방법을 제안한다. 본 방법은 클리스터링 기법에 의해 개념 트리를 자동생성하고 개념 상승기법에 의해 데이터 베이스를 일반화하며 속성의 중요도를 사용한 속성 감축에 의해 최적감축을 하고 식별가능 행렬과 함수를 사용하여 효율적으로 속성값을 감축하여 최적의 최소결정 규칙을 유도한다. 본 방법은 투자 계획이나 가격 결정과 같은 의사결정 업무 각종 고장 진단이나 의료 진단을 위한 지식 베이스구축 마케팅 분석이나 실험 데이터 분석 고수준의 질의 에 의한 정보검색 등에 효과적으로 사용될수 있다.

Abstract

This paper suggests an integrated method based on concept ascension and attribute reduction for efficient induction of decision rules from a large database. We study an automatic scheme to generate concept trees by a clustering technique, a method for generalizing databases by the concept ascension technique, an optimal reduction method by means of attributes reduction using the sibmificance of attributes, and an efficient way of reduction of attribute values applying the discernible matrix and functions. The method can be used for the decision making tasks such as an investment planning or price evaluation, the construction of knowledge bases for diagnosis of defects or medical diagnosis, data analysis such as marketing or experimental data, information retrieval for high level inquiries, and so on.

참고문헌 (22)

  1. Data mining Using Attribute-Oriented Generalization and Information Reduction , N. Cercone;H. Hamilton;X. Hu;N. Shan;T. Lin;N. Cercone(eds.) , Rough Sets and Data Mining / v.,pp.199-227, 1997
  2. D. Cheung;A. Fu;J. Han , Knowledge Discovery in Databases: A Rule-Based Attribute-Oriented Approach / v.,pp., 1988
  3. CoBase : A Scalable and Extensible Cooperative Information System , W. Chu;H. Yang;K. Chiang;M. Minock;G. Chow;C. Larson;G. Wiederhold(eds) , Intelligent Integration of Information / v.6,pp.223-259, 1996
  4. Knowledge Acquisition via Incremental Conceptual Clustering , D. Fisher , Machine Learning / v.2,pp.139-172, 1987
  5. W. Frawley;G. Piatesky Shapiro;C. Matheus;G. Piatetsky Shapiro;W. Frawley(eds.) , Knowledge Discovery in Database : An Overview / v.,pp.1-27, 1991
  6. A Heuristic for Evaluating Databases for Knowledge Discovery with DBLEARN , D. Fudger;H. Hamilton , Proc. RSKD'93 / v.,pp.32-43,12-45, 1993
  7. Knowledge Discovery in Database : An Attribute-Oriented Approach , J. Han;Y. Cai;N. Cercone , Proceeding of the 18th Conference on Very Large Data Bases / v.,pp.340-355, 1992
  8. An Attribute Oriented Rough Set Approach for Knowledge Discovery in Databases , X. Hu;N. Cercone;J. Han , Proc. RSKD'93 / v.,pp.90-99, 1993
  9. Generation of Multiple Knowledge from Databases Based on Rough Set Theory , X. Hu;N. Cercone;W. Ziarko;T. Lin;N. Cercone(eds) , Rough Sets and Data Mining / v.,pp.109-121, 1997
  10. M. Kamber;L. Winstone;W. Gong;S. Cheng;J. Han , Generalization and Decision Tree Induction : Efficient Classification in Data Mining / v.,pp., 1999
  11. Z. Pawlak , Rough Sets - Theoretical Aspects of Reasoning about Data / v.,pp., 1991
  12. Rough Sets , Z. Pawlak , International Journal of Computer and Information Science / v.11,pp.341-356, 1982
  13. Induction of Decision Trees , J. Quinlan , Machine Learning / v.1,pp.81-106, 1986
  14. The Discernibility Matrices and Functions in Information Systems , A. Skowron;C. Rauszer;Slowinski(eds) , Intelligent Decision Support Handbook of Advances and Applications of the Rough Set Theory / v.,pp.311-362, 1991
  15. On Optimal Rules in Decision Tables , S. Wong;W. Ziarko , Bulletin of The Polish Academy of Science Mathematics / v.33,pp., 1985
  16. Quantifying Uncertainty of Knowledge Discovered from Databases , Y. Xiang;S. Wong;N. Cercone , Proc. RSKD'93 / v.,pp.63-72, 1993
  17. Rough Sets and Knowledge Discovery : An Overview , W. Ziarko , Rough Sets, Fuzzy Sets and Knowledge Discovery, Proc. RSKD'93 / v.,pp.11-13, 1993
  18. 이성주;정환묵;최완규 , 러프집합과 응용 / v.,pp., 1998
  19. 지식 발견을 위한 라프셋 중심의 통합 방법 연구 , 정홍;정환묵 , 퍼지 및 지능 시스템학회 논문지 / v.8,pp.27-36, 1998
  20. Generation of Approximation Rules Using Information Gain , 정홍;최경옥;정환목 , FUZZ-IEEE '99, The 8th Int'l Conf. on Fuzzy System / v.,pp.1241-1245, 1999
  21. 데이터마이닝과 의사결정지원시스템 , 지원철;김민용 , 정보과학회지 / v.16,pp.24-36, 1998
  22. Finding Reducts in Composed Information Systems , M. Kryszkiewicz;Henryk Rybinski , Proc. RSKD'93 / v.,pp.261-273, 1993

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

DOI 인용 스타일