Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Background Knowledge in Formal Concept Analysis: Constraints via Closure Operators.

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F10%3A10216466" target="_blank" >RIV/61989592:15310/10:10216466 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Background Knowledge in Formal Concept Analysis: Constraints via Closure Operators.

  • Popis výsledku v původním jazyce

    The aim of this short paper is to present a general method of using background knowledge to impose constraints in conceptual clustering of object-attribute relational data. The proposed method uses the background knowledge to extract only particular clusters from the input data -- those which are compatible with the background knowledge and thus satisfy the constraint. As a result, the method allows for extracting less clusters in a shorter time which are in addition more interesting. The paper presentsthe idea of constraints formalized by means of closure operators and introduces such constraints to formal concept analysis. Among the bene ts of the presented approach are its versatility (the approach covers several examples studied before, e.g. extraction of closed frequent itemsets in generation of non-redundant association rules) and computational efficiency. Due to scope limitations, we present the main ideas only. Details will be available in a full version of this paper.

  • Název v anglickém jazyce

    Background Knowledge in Formal Concept Analysis: Constraints via Closure Operators.

  • Popis výsledku anglicky

    The aim of this short paper is to present a general method of using background knowledge to impose constraints in conceptual clustering of object-attribute relational data. The proposed method uses the background knowledge to extract only particular clusters from the input data -- those which are compatible with the background knowledge and thus satisfy the constraint. As a result, the method allows for extracting less clusters in a shorter time which are in addition more interesting. The paper presentsthe idea of constraints formalized by means of closure operators and introduces such constraints to formal concept analysis. Among the bene ts of the presented approach are its versatility (the approach covers several examples studied before, e.g. extraction of closed frequent itemsets in generation of non-redundant association rules) and computational efficiency. Due to scope limitations, we present the main ideas only. Details will be available in a full version of this paper.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2010

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 25th Symposium On Applied Computing

  • ISBN

    978-1-60558-638-0

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    2

  • Strana od-do

  • Název nakladatele

    ACM Press

  • Místo vydání

    New York

  • Místo konání akce

    Sierre, Švýcarsko

  • Datum konání akce

    22. 3. 2010

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku