Przegląd metod sztucznej inteligencji w ekstrakcji danych

1. Cel i zakres pracy

2. Wstęp do metod ekstrakcji danych

 2.1. Zastosowanie Data Mining

 2.2. Wysokoprzepustowe drążenie danych

 2.3. Proces drążenia danych

 2.4. Rodzaje eksploracji danych

 2.5. Narzędzia Data Mining

3. Znaczenie poprawnej normalizacji danych

 3.1. Wstęp do normalizacji

 3.2. Wybór formuły i parametrów normalizacyjnych

 3.3. Funkcje normalizacji

 3.4. Standaryzacja

 3.5. Przykład błędnego użycia formuły normalizacyjnej

4. Techniki wstępnego przetwarzania danych

 4.1. Inicjalizacja danych klasyfikacyjnych

 4.2. Wstępna inicjalizacja i normalizacja szeregów czasowych

5. Klasyfikator BARBARA

 5.1. Wstępna klasyfikacja danych

 5.2. Generowanie wyjściowego wektora regresji

 5.3. Przykładowa realizacja klasyfikacji algorytmem BARBARA

6. Klasyfikator Rekombinacji DNA

 6.1. Rekombinacja DNA

 6.2. Implementacja replikacji jako klasyfikatora

 6.3. Przykładowe użycie klasyfikatora DNA

7. Sztuczny System Immunologiczny

 7.1. Reprezentacja przeciwciał i antygenów

 7.2. Selekcja Klonalna

 7.3. Przykładowa realizacja klasyfikacji algorytmem aiNet

8. Predykcja ciągów czasowych

 8.1. Etapy procesu prognozowania

 8.2. Algorytm predykcji

9. Długookresowa predykcja ciągów czasowych

 9.1. Wstęp

 9.2. Metoda składania prognoz jednokrokowych

10. Miary błędu klasyfikacji lub predykcji

 10.1. Standardowe miary statystyczne

 10.2. Względne miary dokładności

 10.3. Miary dokładności kształtu regresji

 10.4. Badanie tożsamości dwóch krzywych regresji

11. Badania porównawcze algorytmów klasyfikacyjnych

 11.1. Klasyfikacja kwiatu Irysa

 11.2. Klasyfikacja gatunków win

 11.3. Klasyfikacja zdjęć satelitarnych - LandSat

 11.4. Klasyfikacja jonosfery

 11.5. Podsumowanie

12. Badania porównawcze algorytmów regresji

 12.1. Samogłoski

 12.2. Forex (Rynek walutowy)

 12.3. Temperatura

 12.4. Podsumowanie

13. Podsumowanie

14. Dodatek A
Opis techniczny środowiska obliczeniowego

15. Bibliografia