BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Jakubczyc Janina Anna (Akademia Ekonomiczna we Wrocławiu)
Tytuł
Algorytmy mrówkowe w pozyskiwaniu wiedzy z baz danych
The Ant Colony Algorithms for Knowledge Discovery from Databases
Źródło
Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Informatyka Ekonomiczna (9), 2006, nr 1144, s. 159-174, rys., bibliogr. 28 poz.
Tytuł własny numeru
Informatyka ekonomiczna : wybrane zagadnienia
Słowa kluczowe
Wiedza, Bazy danych
Knowledge, Databases
Uwagi
summ.
Abstrakt
Niedoskonałości istniejących algorytmów pozyskiwania wiedzy są motywacją do ciągłych poszukiwań lepszych rozwiązań. Jednym z interesujących kierunków badań jest implementacja algorytmów mrówkowych, których możliwości rozwiązywania złożonych problemów obliczeniowych zostały potwierdzone wieloma badaniami w różnych dziedzinach. Przedmiotem rozważań jest problem, czy wspomagane mechanizmami samoorganizacji i współdziałania społeczności owadów dwie główne grupy technik dotyczących grupowania (uczenia bez nadzoru) oraz zadania klasyfikacji (uczenia z nadzorem) działają efektywniej. Krótkie omówienie mechanizmów owadzich zawiera pkt. 2. Rozwój i implementacje wybranych mechanizmów do problemu taksonomii przedstawione są w pkt 3. Z kolei zastosowania algorytmów mrówkowych w zadaniu klasyfikacyjnym (indukcji reguł), ich analiza oraz propozycja nowego algorytmu indukcji reguł zawarte są w pkt 4 opracowania. W punkcie 5 przedstawiono podsumowanie przeprowadzonych rozważań. (abstrakt oryginalny)

The knowledge discovery is still an open problem with many unsolved tasks. One of them is greediness of existing rule induction algorithms. Therefore there appear attempts enriching them with some global criterion that would control the search. One of such attempt is applying the mechanism of ant colony algorithms. The achievements of the study of ant colonies behaviour and of their selforganization capability is of interest to discover more universal unsupervised clustering algorithms. The anallysis of the implementations of different swarm intelligent mechanism is also the subject of this paper. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Bibliografia
Pokaż
  1. Berry M.J.A., Linoff G., Data Mining Techniques for Marketing Sales and Customer Support, John Wiley & Sons, 1997.
  2. Bonabeau E., Théraulaz G., Denebourg J.L., Quantitative Study of the Fixed Response Threshold Model for the Regulation of Division of Labour in Insect Societies, Soc. B, 263, 1996.
  3. Camazine S., Self-Organization in Biological Systems, Princeton University Press, 2001.
  4. Cichosz P., Systemy uczące się, Wydawnictwo Naukowo-Techniczne, Warszawa 2000.
  5. Deneubourg J.L., Goss S., Franks N., Sendova-Franks A., Detrain C., Chretien L., The Dynamic of Collecting Sorting Robot-like Ants and Ant-like Robots, In: Proc. of the first Conf. SAB'90, J.A. Meyer, S.W. Wilson (red.), MIT Press/Bradford Books.
  6. Eibe F., Pruning Decision Trees and Lists, PhD Thesis, University of Waikato, 2000.
  7. Edelstein-Keshet L., Watmough J., Ermentrout G.B., Trial Following in Ants, Individual Properties Determine Population Behaviour, Behav. Ecol. Sociobiology 1995, no 36, s. 119-133.
  8. Freitas A.A., Understanding the Crucial Role of Attribute Interaction in Data Mining, Artificial Intelligence Review 16(3), Nov. 2001, pp. 177-199.
  9. Galea M., Applying Swarm Intelligence to Rule Induction, MSc Artificial Intelligence, Division of Informatics, University of Edinburgh, 2002.
  10. Handl J., Knowles J., Dorigo M., Ant-based Clustering, a Comparative Study of its Performance with Respect to к-means, Average Link and ID-SOM, Technical report TR-IRIDIA-2003-24. IRIDIA, Universite Libre de Bruxelles, Brussels, 2003.
  11. Hölldobler В., Wilson E.O., The Ants, Chapter Colony Odor and Kin Recognition, 197-208, Springer Verlag, Berlin, Germany, 1990.
  12. Kande P.M., Hall L.O., F'uzzy Ants as a Clustering Concept, NAFIPS'03 Conference 2003, s. 227- 232.
  13. Krieger M., Billeter J.B., Keller L., Ant-like Task Allocation and Recruitment in Cooperative Robots. Nature 406 (6799) 2000.
  14. Kube C., Bonabeau E., Cooperative Transport by Ants and Robots, "Robotics and Autonomous Systems" 30 (2000), 85-101.
  15. Kuntz P., Layzell P., Snyers D., A Colony of Ant-like Agents for Partitioning in VLSI Technology. In: Proceedings of the Fourth European Conference on Artificial Life 1994, P. Husbands, I. Harvey (red.), MIT Press, 417-424.
  16. Labroche N., Monmarche N., Venturini G., Visual Clustering Based on the Chemical Recognition System of Ants, Internal Report E3i, Laboratoire d'lnformatique, University of Tours, 2002.
  17. Lumer E., Faieta B., Diversity and Adaptation in Populations of Clustering Ants, [w:] D. Cliff, P. Husbands, J. Meyer, S. Wilson (red.), From Animals to Animates 3, Proc. of the 3th Int. Conf. SAB Cambridge, MA, The MIT Press/Bradford Books, 1994.
  18. Melhuish C., Holland O., Hoddell S., Collective Sorting and Segregation in Robots with Minimal Sensing, In Proceedings of the International Conference on Simulation of Adaptive Behavior, 1998.
  19. Monmarché N., Slimane M., Venturini G., AntClass, Discovery of Clusters in Numeric Data by an Hybridization of an Ant Colony with the Kmeans Algorithm, Technical Report No. 213, Laboratoire d'lnformatique, E3i, University of Tours, 1999.
  20. Monmarche N., Venturini G., Slimane M., On how the Ants Pachycondyla Apicalis are Suggesting a New Search Algorithm, Internal Repport No.214, E3i, University of Tours, January 1999.
  21. Page R.E., Mitchell S.D., Self-organization and Adaptation in Insect Societies. In: Ph.Sc. Assoc. A. Fine, M. Forbes, L. Wessels (red.), 1990 no 2, p. 289-298.
  22. Parpinelli R.S., Lopes H.S., Freitas A.A., An Ant Colony Based System for Data Mining, Application to Medical Data, Proc. Of the Genetic and Evolutionary Computation, GECCO-2001.
  23. Parpinelli R.S., Lopes H.S., Freitas A.A., An Ant Colony Algorithm for Classification Rule Discovery, [w:] H.A. Abbas, R.A. Sarker, C.S. Newton (red.), Data Mining, A Heuristic Approach, s. 190- -208, Idea Group Publishing, London 2002a.
  24. Parpinelli R.S., Lopes H.S., Freitas A.A., Data Mining with an Ant Colony Optimization Algorithm, IEEE Transactions on Evolutionary Computation, Special issue on Ant Colony Algorithms, 2002b.
  25. Ramos V., Abraham A., Evolving a Stigmergic Self-organized Data-Mining, Intelligent Systems, Design and Applications, 2004.
  26. Ramos V., On the Implicit and on the Artificial. Morphogenesis and Emergent Aesthetics in Autonomous Collective Systems, in ARCHITOPIA - Art, Architecture and Science, J.L. Maubant, L. Moura (red.), Ministćrio da Cienciae Tecnologia, Feb. 2002.
  27. Wilson E.O., The Sociogenesis of Insects' Colonies, Science 228, 1489-1495.
  28. Wilson E.O., The Insect Sociieties. Belknam Press Cambridge, 1971.
Cytowane przez
Pokaż
ISSN
0324-8445
1507-3858
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu