1 Extragerea datelor și descoperirea cunoștințelor. - 1. 1 Extragerea datelor și era informației: misiuni emergente. - 1. 2 Definirea descoperirii cunoștințelor. - 1. 3 arhitecturi de descoperire a cunoștințelor. - 1. 4 Reprezentarea cunoștințelor. - 1. 5 tipuri principale de modele dezvăluite. - 1. 6 modele de bază de extragere a datelor. - 1. 7 Descoperirea cunoștințelor și domeniile de cercetare conexe. - 1. 8 caracteristici principale ale unui proces de descoperire a cunoștințelor. - 1. 9 Să facem față realității. Eșantionarea în baze de date. - 1. 10 exemple selectate de sisteme de descoperire a cunoștințelor. - 1. 11 Rezumat. -Referinţe. - Lecturi suplimentare. - 2 seturi brute. - 2. 1 Introducere. - 2. 2 Sistemul informatic. - 2. 3 Relația de indiscernibilitate. - 2. 4 Matricea de discernibilitate. - 2. 5 tabele de decizie. - 2. 6 Aproximarea seturilor. Spațiu de aproximare. - 2. 7 Acuratețea aproximării. - 2. 8 Aproximarea și acuratețea clasificării. - 2. 9 Clasificare și reducere. - Reduct și Core. - 2. 10 Reguli de decizie. - 2. 11 reducte dinamice. - 2. 12 Rezumat. - 2. 13 exerciții. -Referinţe. - Anexa A2: Algoritmi pentru găsirea submulțimilor minime. - 3 seturi fuzzy. - 3. 1 Introducere. - 3. 2 Definiție de bază. - 3. 3 Tipuri de funcții de membru. - 3. 4 Caracteristicile unui set fuzzy. - 3. 5 Determinarea funcției de membru. - 3. 6 Relații neclare. - 3. 7 Operații ale teoriei mulțimilor și proprietățile lor. - 3. 8 Principiul extensiei și aritmetica fuzzy. - 3. 9 caracteristici bazate pe informații ale seturilor fuzzy. - 3. 10 Reprezentarea numerică a mulțimilor neclare. - 3. 11 seturi brute și seturi fuzzy. - 3. 12 Cadrul cunoașterii. - 3. 13 Probabilitate și mulțimi neclare. - 3. 14 Rezumat. - 3. 15 exerciții. -Referinţe. - 4 Metode bayesiene. - 4. 1 Introducere. - 4. 2 Bazele metodelor bayesiste. - 4. 3 Implicarea caracteristicilor obiectelor în clasificare. - 4. 4 Clasificarea bayesiană un caz general. - 4. 5 Clasificarea statistică minimizarea riscului. - 4. 6 regiuni de decizie. Probabilități de erori. - 4. 7 Funcții discriminante. - 4. 8 Estimarea densităților de probabilitate. - 4. 9 Rețea neuronală probabilistică (PNN). - 4. 10 constrângeri în design. - 4. 11 Rezumat. - 4. 12 exerciții. -Referinţe. - 5 Calcul evolutiv. - 5. 1 Algoritmi genetici. Concept și aspecte algoritmice. - 5. 2 Componente fundamentale ale GA-urilor 196 Codificare și decodare. - 5. 3 GA. Definiția formală a algoritmilor genetici. - 5. 4 Teorema schemelor: o coloană vertebrală cnceptuală a gazului. - 5. 5 Calcul genetic. Îmbunătățire suplimentară. - 5. 6 Explorarea și exploatarea spațiului de căutare. - 5. 7 Studii experimentale. - 5. 8 clase de calcul evolutiv. - 5. 9 Optimizarea genetică a descrierii datelor bazate pe reguli: abordările Pittsburgh și Michigan. - 5. 10 Rezumat. - 5. 11 exerciții. -Referinţe. - 6 Învățare automată. - 6. 1 Introducere. - 6. 2 Introducere în generarea de ipoteze. - 6. 3 Supraajustare. - 6. 4 algoritmi de reguli. - 6. 5 algoritmi de arbore de decizie. - 6. 6 algoritmi hibrizi. - 6. 7 Discretizarea atributelor cu valoare continuă. - 6. 7. 1 Metode de discretizare a teoriei informației. - 6. 8 Evaluarea ipotezelor. - 6. 9 Comparația celor trei familii de algoritmi. - 6. 10 Învățarea automată în descoperirea cunoștințelor. - 6. 11 Învățare automată și seturi brute. - 6. 12 Rezumat. - 6. 13 exerciții. -Referinţe. - Anexa A6: Diagnosticarea bolii coronariene (CAD). -Referinţe. - 7 Rețele neuronale. - 7. 1 Introducere. - 7. 2 Rețea cu funcție de bază radială (RBF). - 7. 3 Rețele RBF în descoperirea cunoștințelor. - 7. 4 Rețeaua de hărți auto-organizate (SOM) a lui Kohonen. - 7. 5 Rețea neuronală de recunoaștere a imaginilor (IRNN) 357 Strat senzorial. - 7. 6 Rezumat. - 7. 7 exerciții. -Referinţe. - Anexa A7: Măsura similitudinii imaginii (IS). - 8 Grupare. - 8. 1 Învățarea nesupravegheată: o taxonomie generală și aspecte algoritmice conexe. - 8. 2 Grupare ierarhică. - 8. 3 Clustering ObjectiveFunctionBased - 8. 4 Metode de clusterizare și extragere de date. - 8. 5 Gruparea ierarhică în construirea asocierilor în date. - 8. 6 Gruparea sub supraveghere parțială în extragerea datelor. - 8. 7 O realizare neuronală a similitudinii între modele. - 8. 8 Experimente numerice. - 8. 9 Rezumat. - 8. 10 exerciții. -Referinţe. - 9 Preprocesare. - 9. 1 Modele și caracteristici. - 9. 2 Operațiuni de preprocesare. - 9. 3 Analiza componentelor principale Extragerea și reducerea caracteristicilor. - 9. 4 Reducerea supravegheată a caracteristicilor pe baza analizei discriminante liniare a lui Fisher. - 9. 5 Secvența proiecțiilor discriminante liniare ale lui Karhunen-Loeve și Fisher. - 9. 6 Selectarea caracteristicilor. - 9. 7 Experimente numerice Clasificarea imaginii texturii. - 9. 8 Rezumat. - 9. 9 exerciții. -Referinţe. Limba: engleză