Classification and Clustering for Knowledge Discovery

کشف دانش امروزه یک حوزه مطالعاتی و تحقیقاتی قابل توجه است. در یافتن پاسخ به بسیاری از سؤالات پژوهشی در این زمینه، امید نهایی این است که بتوان دانش را از اشکال مختلف داده های اطراف ما استخراج کرد. این کتاب پیشرفت‌های اخیر در روش‌های تحلیل داده‌های بدون نظارت و نظارت شده در هوش محاسباتی برای کشف دانش را پوشش می‌دهد. در بخش اول کتاب مجموعه‌ای از تحقیقات اخیر در مورد خوشه‌بندی توزیع شده، نقشه‌های خود سازماندهی و الحاقات اخیر آنها را ارائه می‌کند. اگر داده‌های برچسب‌گذاری‌شده یا داده‌هایی با تداعی‌های شناخته‌شده در دسترس باشند، ممکن است بتوانیم از روش‌های تجزیه و تحلیل داده‌های نظارت شده، مانند طبقه‌بندی شبکه‌های عصبی، طبقه‌بندی‌کننده‌های مبتنی بر قوانین فازی و درخت‌های تصمیم استفاده کنیم. بنابراین این کتاب مجموعه ای از روش های مهم تجزیه و تحلیل داده های نظارت شده را ارائه می دهد. "طبقه بندی و خوشه بندی برای کشف دانش" همچنین شامل انواع کاربردهای کشف دانش در سلامت، ایمنی، تجارت، مکاترونیک، شبکه های حسگر و مخابرات می باشد.

Knowledge Discovery today is a significant study and research area. In finding answers to many research questions in this area, the ultimate hope is that knowledge can be extracted from various forms of data around us. This book covers recent advances in unsupervised and supervised data analysis methods in Computational Intelligence for knowledge discovery. In its first part the book provides a collection of recent research on distributed clustering, self organizing maps and their recent extensions. If labeled data or data with known associations are available, we may be able to use supervised data analysis methods, such as classifying neural networks, fuzzy rule-based classifiers, and decision trees. Therefore this book presents a collection of important methods of supervised data analysis. "Classification and Clustering for Knowledge Discovery" also includes variety of applications of knowledge discovery in health, safety, commerce, mechatronics, sensor networks, and telecommunications.