Klasyfikacja wielokategoryjnych przypadków przy użyciu klasyfikatora binarnego - opracowanie metodyki oraz narzędzia informatycznego

• Autorzy: Jerzy W. Grzymała-Busse , Zdzisław S. Hippe , Mariusz Wrzesień
• Języki publikacji: PL

Abstrakty

Celem prowadzonych przez nas od dłuższego czasu badań jest zaprojektowanie i budowa luźno związanych systemów informatycznych ("suita" oprogramowania użytkowego do uczenia maszynowego) do realizacji problemów integralnie związanych z odkrywaniem wiedzy, Zakłada się przy tym, że zestaw budowanych narzędzi będzie przystosowany do specyfiki maszynowego opisu odkrywanej wiedzy i będzie mógł być stosowany nie tylko do rozwiązywania problemów biznesu, lecz przypuszczalnie także w innych dziedzinach nauki i techniki. Jednym z projektowanych narzędzi informatycznych jest system eksploracji danych wielokategoryjnych, wykorzystujący specyficzne podejście do analizy informacyjnej, polegające na zastosowaniu klasyfikatora binarnego, zwanego dalej Liniową Maszyną Uczącą (LLM - ang.: Linear Learning Machine). Koncepcja ta została zaimplementowana w wersji ß systemu informatycznego PlaneSEEKER (...) Jednakże krytyczna analiza tych wyników, zdaje się wskazywać na konieczność podjęcia próby optymalizacji niektórych algorytmów wspomnianego systemu informatycznego, w celu zmniejszenia ogólnego błędu klasyfikacji. Zasadniczą koncepcję oraz niektóre problemy klasyfikacji zbirów wielokategoryjnych przy pomocy klasyfikatora binarnego przedstawiono w następnej części artykułu. (fragment tekstu)

Słowa kluczowe

PL

Systemy informatyczne; Proces uczenia się

EN

Computer system; Learning process

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2003
• Numer: nr 975 Pozyskiwanie wiedzy i zarządzanie wiedzą
• Strony: 121--127

Twórcy

autor

Jerzy W. Grzymała-Busse

• University of Kansas, Lawrence; Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie

autor

Zdzisław S. Hippe

• Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie

autor

Mariusz Wrzesień

• Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie

Bibliografia

• Duda R.O., Hart P.E., Strok D.G.: Pattern Classification, John Wiley & Sons, New York 2001.
• Hippe Z.S., Wrzesień M.: Z badań nad rozszerzeniem możliwości klasyfikacji liniowej maszyny uczącej, [w:] Tadeusiewicz T., Ligęza L., Szymkat M., (Red.), Metody i systemy komputerowe w badaniach naukowych i projektowaniu inżynierskim. Mat. III Krajowej Konferencji, Kraków 19-21 Listopad 2001.
• Hippe Z.S., Błajdo P., Wrzesień M.: New Hybrid Environment for Knowledge Discovery from Vector-Oriented Databases In Business and Management, [w:] Abramowicz W. (Ed.) BIS 2002, 5th International Conference on Business Information Systems, Poznań (Poland) 24-25.04.2002, pp. 49-56.
• Hippe Z.S., Grzymała-Busse J.W., Bajcar S., Błajdo P., Knap M., Paja W., Wrzesień M.: Baza zmian melanocytowych skóry: stan aktualny oraz przyszłe kierunki badań, [w:] A. Nowakowski (Red.) INFOBAZY'02, Wyd. Centrum Informatyczne Politechniki Gdańskiej, Gdańsk 2002, s. 51-56.
• Hippe Z.S., Wrzesień M.: Some problems of uncertainty of data after the transfer from multicategory to dichotomic problem space, [w:] T. Burczyński, W. Cholewa, W. Moczulski (Eds.), Methods of Artificial Intelligence, PAS&SCSR, Gliwice 2002, pp. 185-189.
• Hippe Z.S., Mroczek T.: Melanoma Classification and Prediction Using Belief Networks, 3rd Conference on Computer Identification Systems KOSYR'2003, Miłków, 26-29.05.2003.
• Hippe Z.S., Iwaszek G.: From Research on a New Method of Development of Quasi - optimal Decision Trees, [w:] M.A. Kłopotek, M. Michalewicz, S.T. Wierzchoń (Red.), Intelligent Information Systems IX, Inst. Podstawy Informatyki PAN, Warszawa 2000, s. 31-35.
• Jelonek J., Stefanowski J.: Feature selection in the n2 -classier applied for multiclass problems, [w:] T. Burczyński, W. Cholewa, W. Moczulski (Eds.), Methods of Artificial Intelligence, PAS&SCSR, Gliwice 2002.
• Jelonek J.: Rozprawa doktorska: Zastosowanie złożonego systemu klasyfikatora n2 z mechanizmem konstruktywnej indukcji cech do wieloklasowych problemów uczenia maszynowego, Politechnika Poznańska, Poznań 2000.
• Jurs P.C., Isenhour T.L.: Chemical Applications of Pattern Recognition, John Wiley & Sons, New York 1975.
• Varmuza K.: Pattern Recognition in Chemistry, Springer - Verlag, Heidelberg 1980.
• Zahn C.T.: Graph-Theoretical Methods for Detecting and Describing Gestalt Clusters, IEEE Transactions on Computers, 1971, nr 1, s. 68-86.
• http://www.ics.uni.edu/~mlearn/.