×
阿卡迪乌斯·莱维基;科兹兹托夫·潘塞兹

基于蚂蚁的流图挖掘聚类。 （英语） Zbl 1503.68245号

国际期刊申请。数学。计算。科学。 30，第3期，561-572（2020年）.
摘要：本文致力于图形数据的挖掘问题。该过程的目标是发现数据中可能出现的某些序列。粗糙集流图和模糊流图都用于表示最初排列在表示信息系统的表中的项目序列。信息系统被认为是Pawlak意义上的知识表示系统。本文提出了一种基于蚂蚁的聚类方法。我们表明，基于蚂蚁的聚类不仅可以用于构建可能的大型相似对象组，还可以用于构建更大的对象结构（在我们的示例中是序列），以获得或保留所需的属性。

引用于1文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
68兰特 计算机科学中的图论（包括图形绘制）
68立方英尺 知识表示
68层37 人工智能背景下的不确定性推理

关键词：

可能是某些序列;流程图;粗糙集;模糊集;基于蚂蚁的聚类

软件：

格拉夫维兹;动态记录仪
PDF格式BibTeX公司 XML格式引用
\textit{A.Lewicki}和\textit{K.Pancerz}，国际期刊应用。数学。计算。科学。30，编号3561-572（2020；Zbl 1503.68245）
全文： 内政部

参考文献：

[1] Bazan，J.G.、Buregwa-Czuma，S.和Jankowski，A.W.（2013）。领域知识作为改进分类器的工具，基础信息127（1-4）：495-511。
[2] Deneubourg，J.、Goss，S.、Franks，N.、Sendova-Frands，A.、Detrain，C.和Chrétien，L.（1991）。《集体排序的动力学：类机器人蚂蚁和类蚂蚁机器人》，《第一届自适应行为模拟国际会议论文集：从动物到动画1》，法国巴黎，第356-365页。
[3] Dong，G.和Pei，J.（2007）。序列数据挖掘，Springer-Verlag，纽约州纽约市·Zbl 1147.68479号
[4] Duch，W.、Kucharski，T.、Gomuła，J.和Adamczak，R.（1999）。心理测量数据分析中的机器学习方法：应用于多相人格问卷MMPI-WISKAD，CMK，Torunn，（波兰语）。
[5] Ellson，J.、Gansner，E.R.、Koutsofios，E.、North，S.C.和Woodhull，G.（2004）。Graphviz和Dynagraph-静态和动态图形绘制工具，见M.Jünger和P.Mutzel（编辑），图形绘制软件，Springer，柏林/海德堡，第127-148页·Zbl 1054.68583号
[6] Ford，L.R.和Fulkerson，D.（2010年）。《网络中的流量》，普林斯顿大学出版社，新泽西州普林斯顿·Zbl 0106.34802号
[7] Handl，J.、Knowles，J.和Dorigo，M.（2006）。基于蚂蚁的聚类和地形测绘，人工生命12（1）：35-62。
[8] Huang，K.-Y.和Chang，C.-H.（2008）。从复杂序列中高效挖掘频繁情节，信息系统33（1）：96-114。
[9] Klement，E.P.、Mesiar，R.和Pap，E.（2000年）。三角范数，施普林格，多德雷赫特·Zbl 0972.0302号
[10] Kumar，P.、Kumar，P.、Krishna，P.R.和Raju，S.B.（2011年）。使用序列数据挖掘的模式发现：应用与研究，IGI Global，Hershey，PA。
[11] Lumer，E.和Faieta，B.（1994年）。集群蚂蚁种群的多样性和适应，《第三届模拟适应行为国际会议论文集：从动物到动画3》，英国布赖顿，第501-508页。
[12] Mannila，H.、Toivonen，H.和Verkamo，A.（1997年）。发现事件序列中的频繁事件，数据挖掘和知识发现1（3）：259-289。
[13] Marwala，T.（2013）。《经济建模导论》，斯普林格出版社，伦敦·Zbl 1269.91002号
[14] Mieszkowicz-Rolka，A.和Rolka，L.（2006）。带有模糊属性的流程图和决策表，见L.Rutkowski等人（编辑），《人工智能和软计算》（ICAISC 2006），Springer，Berlin/Heidelberg，第268-277页·Zbl 1162.68694号
[15] Mitsa，T.（2010年）。时间数据挖掘，CRC出版社，佛罗里达州博卡拉顿·Zbl 1191.68252号
[16] Nichols，D.（2011年）。《MMPI-2评估要点》，新泽西州霍博肯John Wiley。
[17] Pancerz，K.（2015年）。关于分类和预测软件系统（CLAPSS）的选定功能，《信息和数字技术国际会议论文集》（IDT’2015），斯洛伐克兹利纳，第278-285页。
[18] Pancerz，K.（2016）。本体图上信息系统的范式和组合关系，《基础信息学》148（1-2）：229-242·Zbl 1373.68395号
[19] Pancerz，K.、Lewicki，A.和Tadeusiewicz，R.（2015）。基于蚂蚁的本体图上简单决策系统规则提取，国际应用数学与计算机科学杂志25（2）：377-387，DOI:10.1515/amcs-2015-0029·Zbl 1322.68155号
[20] Pancerz，K.、Lewicki，A.、Tadeusiewicz，R.和Warcho，J.（2013）。基于时间粗糙集流图的三角洲事件信息系统中基于蚂蚁的聚类，《基础信息》128（1-2）：143-158·Zbl 1285.68184号
[21] Pancerz，K.、Paja，W.、Sarzyñski，J.和Gomuła，J.（2018）。使用模糊化和相关属性选择确定MMPI量表范围的重要性，《Procedia Computer Science126:2065-2074》。
[22] Pancerz，K.、Paja，W.、W.、Rrzesieng，M.和Warchoł，J.（2012）。通过挖掘时间信息系统中的独特事件对语音信号进行分类：粗糙集方法，《第21届并行、规范和编程国际研讨会论文集》（CS&P 2012），葡萄牙阿尔加维维拉莫拉，第280-291页。
[23] Parpinelli，R.S.、Lopes，H.S.和Freitas，A.A.（2002年）。用于分类规则发现的蚁群算法，见H.A.Abbass等人（编辑），《数据挖掘：启发式方法》，IGI Global，Hershey，PA，第191-208页。
[24] Pawlak，Z.（1991年）。粗糙集。《数据推理的理论方面》，Kluwer学术出版社，Dordrecht·Zbl 0758.68054号
[25] Pawlak，Z.（2005）。流程图和数据挖掘，J.Peters和A.Skowron（编辑），《粗糙集交易III》，Springer-Verlag，柏林/海德堡，第1-36页·Zbl 1116.68573号
[26] Tadeusiewicz，R.（2015）。神经网络作为生物系统建模的工具，生物算法和医学系统11（3）：135-144。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。