PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2004 | nr 7 | 31--40
Tytuł artykułu

Nowe metody wykorzystania wiedzy i wspomagania procesu decyzyjnego (Data Mining)

Warianty tytułu
New Methods of Knowledge Application and Decision Support (Data Mining)
Języki publikacji
PL
Abstrakty
Zaprezentowane w artykule metody Data Mining pozwalają znajdywać zależności, reguły, prawidłowości na podstawie danych gromadzonych w bardzo dużych zbiorach danych. Wykorzystują zaawansowane algorytmy statystyczne, ekonometryczne, dorobek z zakresu sztucznej inteligencji i wnioskowania w warunkach niepewności. Ze względu na dużą praktyczną przydatność cieszą się coraz większą popularnością w krajach przodujących pod względem zastosowań komputerowych metod wspomagania decyzji.
EN
Data Mining methods enable to find dependencies, rules and regularities on the basis of data gathered in large data files, such as data warehouses. They use advanced statistical and econometric algorithms, base on techniques of artificial intelligence, fuzzy logic, uncertainty inference or preference relations. Because of their utilitarian value, Data Mining methods are very popular in business practice in the countries where IT is broadly applied.(original abstract)
Rocznik
Numer
Strony
31--40
Opis fizyczny
Twórcy
Bibliografia
  • 1. Backer E., Computer-assisted Reasoning in Cluster Analysis, ISBN 0-13-341884-7, Prentice Hall 1995.
  • 2. Bouchon-Meunier B., Gutiérrez-Rios, Magdalena L., Yager R.R., Technologies for Constructing Inteligent Systems, ISBN 3-7908-1454-7, Physica-Verlag, Heidelberg, 2002.
  • 3. Chen Z., Data Mining and Uncertain Reasoning. An Integrated Approach, ISBN 0-471-38878-5, John Wiley & Sons 2001.
  • 4. Engelbrecht A.P., Computational Intelligence. An Introduction, ISBN 0-470-84870-7, John Wiley & Sons 2002.
  • 5. Everitt B.S., Landau S., Leese M., Cluster Analysis, ISBN 0 340 76119 9, Arnold, London 2001.
  • 6. Falkenauer E., Genetic Algorithms and Grouping Problems, ISBN 0 471 97150 2, John Wiley & Sons 1998.
  • 7. Gatnar E., Symboliczne metody klasyfikacji danych, Wydawnictwo Naukowe PWN, Warszawa 1998.
  • 8. Hastie T., Tibshirani R., Friedman J., The Elements of Statistical Learning. Data Mining, Inference, and Prediction, ISBN 0-387-95284-5, Springer-Verlag 2001.
  • 9. http://www.spss.pl
  • 10. http://www.statsoft.pl
  • 11. Kasprzak T. Modelowanie prefrencji - podstawy relacji przewyższania, [w:] M. Lasek (red.), Metody analiz porównawczych kondycji ekonomicznej przedsiębiorstw, Wyd. Nowy Dziennik, Warszawa 2002.
  • 12. Kent R., Data Construction and Data Analysis for Survey Research, ISBN 0-333-76306-8, Palgrave2001.
  • 13. Lasek M., Data Mining. Zastosowania w analizach i ocenach klientów bankowych, Oficyna Wydawnicza „Zarządzanie i Finanse", Biblioteka Menedżera i Bankowca, ISBN 83-85776-64-8, Warszawa 2002.
  • 14. Negnevitsky M., Artificial Intelligence. A Guide to Intelligent Systems, ISBN 0201-71159-1, Addison-Wesley 2002.
  • 15. Nelles O., Nonlinear System Identification. From Classical Approaches to Neural Networks and Fuzzy Models, ISBN 3-540-67369-5, Springer-Verlag 2001.
  • 16. Pęczkowski M., Statystyka, zeszyty 1-10, materiały na zajęcia laboratoryjne ze statystyki dla studentów szkół wyższych, Warszawa 2001.
  • 17. Pęczkowski M., Zastosowanie analizy dyskryminacji do przewidywania zachowań rynkowych konsumentów, Marketing i Rynek 5, s. 7-11, 1999.
  • 18. Pęczkowski M., Regresja logistyczna, materiały niepublikowane, 2001.
  • 19. Pęczkowski M., Metody analizy skupień w badaniach segmentacji gospodarstw domowych, opracowanie w ramach badań statutowych OS/s/0010/99, Instytut Statystyki i Demografii, SGH, Warszawa 1999.
  • 20. Rasmussen N., Goldy P.S., Solli P.O., Financial Business Intelligence. Trends, Technology, Software Selection, and Implementation, ISBN 0-471-15555-1, John Wiley & Sons 2002.
  • 21. Raudys Š., Statistical and Neural Classifiers. An Integrated Approach to Design, ISBN 1-85233-297-2, Springer-Verlag London 2001.
  • 22. Ribeiro R.A., Zimmermann H.-J., Yager R.R., Kacprzyk J. (eds.), Soft Computing in Financial Engineering, ISBN 3-7908-1173-4, Physica-Verlag, Heidelberg 1999.
  • 23. Tadeusiewicz R., Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami, Akademicka Oficyna Wydawnicza PLJ, Warszawa 1998.
  • 24. Wielenga D., Lucas B., Georges ]., Enterprise Miner. Applying Data Mining Techniques. Course Notes, SAS Institute Inc. 2000.
  • 25. Wolkenhauer O., Data Engineering. Fuzzy Mathematics in Systems Theory and Data Analysis, ISBN 0-471-41656-8, John Wiley & Sons 2001.
  • 26. Zakrzewicz M.: http://www.cs.put.poznan.pl/mzakrzewicz.27. Zieliński J.S. (red.), Inteligentne systemy w zarządzaniu. Teoria i praktyka, Wydawnictwo Naukowe PWN, Warszawa 2000.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000000120905

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.