Získávání znalostí z lokálních vzorů v SAGE datech

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F09%3A03151580" target="_blank" >RIV/68407700:21230/09:03151580 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Discovering Knowledge from Local Patterns in SAGE Data

Popis výsledku v původním jazyce

Discovery of biologically interpretable knowledge from gene expression data is a crucial issue. Current gene data analysis is often based on global approaches such as clustering. An alternative way is to utilize local pattern mining techniques for globalmodelling and knowledge discovery. Nevertheless, moving from local patterns to models and knowledge is still a challenge due to the overwhelming number of local patterns and their summarization remains an open issue. This paper is an attempt to fulfillthis need: thanks to recent progress in constraint-based paradigm, it proposes three data mining methods to deal with the use of local patterns by highlighting the most promising ones or summarizing them. Ideas at the core of these processes are removingredundancy, integrating background knowledge and recursive mining.

Název v anglickém jazyce

Discovering Knowledge from Local Patterns in SAGE Data

Popis výsledku anglicky

Discovery of biologically interpretable knowledge from gene expression data is a crucial issue. Current gene data analysis is often based on global approaches such as clustering. An alternative way is to utilize local pattern mining techniques for globalmodelling and knowledge discovery. Nevertheless, moving from local patterns to models and knowledge is still a challenge due to the overwhelming number of local patterns and their summarization remains an open issue. This paper is an attempt to fulfillthis need: thanks to recent progress in constraint-based paradigm, it proposes three data mining methods to deal with the use of local patterns by highlighting the most promising ones or summarizing them. Ideas at the core of these processes are removingredundancy, integrating background knowledge and recursive mining.

Druh

C - Kapitola v odborné knize

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2009

Kód důvěrnosti údajů

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

Název knihy nebo sborníku

Data Mining and Medical Knowledge Management: Cases and Applications

ISBN

978-1-60566-218-3

Počet stran výsledku

17

Strana od-do

—

Počet stran knihy

467

Název nakladatele

IGI Publishing

Místo vydání

Hershey

Kód UT WoS kapitoly

—