Granular Sets and Granular Relations in Analysis and Verification of Tabular Systems

• Autorzy: Antoni Ligęza
• Języki publikacji: EN

Abstrakty

EN

This paper presents the idea of semi-partitions, granular sets and granular relations. Granular relations and algebraic operations on them can be used to analysis and verification of extended attributive tables. Contrary to classical RDB the analysis is performed at granular level, i.e. a higher level of abstraction. In order to perform algebraic operations it is useful to transform tabular systems to granular relations in canonical form.

Praca prezentuje koncepcję półpartycyjnego zbioru granulacji i związków granulacji. Związki granulacji i operacje algebraiczne na nich mogą być używane do analizy i weryfikacji rozszerzonej tabeli atrybutów. W przeciwieństwie do klasycznego RDB, analiza jest przeprowadzana na poziomie granulacji, tj. na wyższym poziomie abstrakcji. W celu przeprowadzenia operacji algebraicznych użyteczne jest przekształcenie systemów tablicowych do związków granulacji w formie kanonicznej. (AŁ)

Słowa kluczowe

EN

Databases; Data processing; Knowledge based systems

PL

Bazy danych; Przetwarzanie danych; Systemy z bazą wiedzy

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2002
• Numer: nr 931 Pozyskiwanie wiedzy z baz danych
• Strony: 121--130

Twórcy

autor

Antoni Ligęza

Bibliografia

• Bancilhon F., Khoshafian S.: A calculus for complex objects. "Journal of Computer and Systems Sciences", 38, 1989, 326-340.
• Coenen F. et al.: Validation and verification of knowledge based systems. Report on EUROVAV'99 "Knowledge Engineering Review" Vol. 15:2, 2000, 187-196.
• Conolly T., Begg C., Strachan A.: Database Systems. A Practical Approach to Design, Implementation and Management. Harlow, England, Addison-Wesley, 1999.
• Gatnar E: Symboliczne metody klasyfikacji danych. Warszawa: Wydawnictwo Naukowe PWN 1998.
• Ligęza A.: Elements of algebraic data analysis for verification of qualitative properties. In: A. Baborski (Ed.), "Pozyskiwanie wiedzy z baz danych". Wyd. Akademii Ekonomicznej we Wrociawiu, Turawa 2000, 18-28.
• Ligęza A.: Logical analysis of databases and rule-based systems. In: R. Trappl (Ed.), "Cybernetics and Systems 2000", Austrian Society for Cybernetic Studies, Vienna, 2000, 757-762.
• Ligęza A.: Towards logical analysis of tabular rule-based systems. "International Journal of Intelligent Systems", 16, No. 3, 2001, 333-360.
• Ligęza A.: Knowledge representation and inference for analysis and design of databases and tabular rule- based systems. "Computer Science", 3,2001,13-60.
• Liu B., Ku L.-P., Hsu W: Discovering interesting holes in data. In: "Proceedings of IJCAI'87" Nagoya Vol. 2 1997 930-935.
• Nilsson J.F.: A concept object algebra CA(+X[:]), In: H. Kangasalo (et al.) (Eds.) "Information Modelling and Knowledge Bases IV". IOS Press, Amsterdam, 1993, 42-45.
• Nilsson N.J.: Conceptual space logic. In: H. Kangasalo (et al.) (Eds.) "Information Modelling and Knowledge Bases IX". IOS Press, Amsterdam 1999, 39-53.
• Pawlak Z.: Rough Sets. Theoretical Aspects of Reasoning about Data. Dordrecht, Kluwer Academic Publishers 1991.
• Traczyk W.: How to learn from diversified examples. In: Bubnicki Z. and A.Grzech (Eds.) "Knowledge Engineering and Expert Systems" Wroclaw, 1997, 21-28.
• Vermesan A. and F. Coenen (Eds.): Validation and Verification of Knowledge Based Systems - Theory, Tools and Practice. Kluwer Academic Publishers Boston 1999.