CCL

Összesen 11 találat.
#/oldal:
Részletezés:
Rendezés:

1.

001-es BibID:BIBFORM102045
Első szerző:Aszalós László (matematikus)
Cím:Kihívások és kényszerek - Új képzési programok a Debreceni Egyetem Informatikai Karán / Aszalós László, Fazekas Attila, Mihálydeák Tamás
Dátum:2017
ISBN:978-963-473-213-6
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
Megjelenés:Informatika a felsőoktatásban 2017 konferencia kiadványa / szerk. Aradi Bernadett, Bujdosó Gyöngyi, Horváth Géza, Szokol Patrícia. - p. 101-108. -
További szerzők:Fazekas Attila (1968-) (matematikus, informatikus) Mihálydeák Tamás Sándor (1955-) (filozófus, matematikus)
Internet cím:Intézményi repozitóriumban (DEA) tárolt változat
Borító:

2.

001-es BibID:BIBFORM070727
Első szerző:Aszalós László (matematikus)
Cím:Email labelling by rough clustering / László Aszalós, Mária Bakó, Tamás Mihálydeák
Dátum:2014
Megjegyzések:Previously, there were little possibilities to sort mails and later emails: we could only arrange them into folders. One mail or email could be put into exactly one folder, based on sender, subject or priority. Later in Gmail the labelling of emails was introduced: virtual folders were generated by the multiple labels that could be assigned to one email. This kind of labeling was taken by other mailers, photo and music organizer softwares, too.It is a pleasure to use a well organized collection, but usually paintaking to set up the its labelling. We simplify these kind of tasks by using our experience in rough set theory and clustering. The clustering is a well-known part of the data mining, where the elements are grouped by their similarity. The similarity is an inexact concept in real life, e. g. we easily mix up two Japanese persons, however a Chinese man easily differentiates them. We suggest that the rough clustering could help to combine data based on similarities from different sources, because it has some error-correcting property. In this article we present a method to label emails and its mathematical background.
ISBN:978 615 5297 18 2
Tárgyszavak:Természettudományok Matematika- és számítástudományok tanulmány, értekezés
rough set
correlation clustering
data mining
Megjelenés:Proceedings of the 9th International Conference on Applied Informatics January 29 - Februar 1, 2014. Eger, Hungary Volume I [elektronikus dokumentum] / ed. by Kovács Emőd, Kusper Gábor, Kunkli Roland, Tómács Tibor. - p. 19-26. -
További szerzők:Bakó Mária (1970-) (matematika-informatika tanár) Mihálydeák Tamás Sándor (1955-) (filozófus, matematikus)
Pályázati támogatás:TÁMOP-4.2.2.C-11/1/KONV-2012-0001
TÁMOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

3.

001-es BibID:BIBFORM065418
Első szerző:Aszalós László (matematikus)
Cím:Correlation clustering by contraction, a more effective method / László Aszalós, Tamás Mihálydeák
Dátum:2016
ISSN:1860-949X 1860-9503
Megjegyzések:In this article we propose two effective methods to produce a near optimal solution for the problem of correlation clustering. We study their properties at different circumstances, and show that the inner structure generated by a tolerance relation has effect on the accuracy of the methods. Finally, we show that there is no royal road to the sequence of clusterings.
ISBN:978-3-319-40131-7 (print) 978-3-319-40132-4 (online)
Tárgyszavak:Műszaki tudományok Informatikai tudományok könyvfejezet
korrelációs klaszterezés
kontrakció
Implementációk
Megjelenés:Recent advances in computational optimization : Results of the Workshop on Computational Optimization WCO 2015 / ed. Stefka Fidanova. - p. 81-95. -
További szerzők:Mihálydeák Tamás Sándor (1955-) (filozófus, matematikus)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

4.

001-es BibID:BIBFORM063118
Első szerző:Aszalós László (matematikus)
Cím:Rough cassification in incomplete databases by correlation clustering / László Aszalós, Tamás Mihálydeák
Dátum:2015
ISSN:1951-6851
ISBN:978-94-62520-77-6
Tárgyszavak:Természettudományok Matematika- és számítástudományok könyvfejezet
korrelációs klaszterezés
osztályozás
adatbázis
Megjelenés:Proceedings of the 2015 Conference of the International Fuzzy Systems Association and the European Society for Fuzzy Logic and Technology / eds. José M. Alonso, Humberto Bustince, Marek Reformat. - p. 667-674. -
További szerzők:Mihálydeák Tamás Sándor (1955-) (filozófus, matematikus)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

5.

001-es BibID:BIBFORM063119
Első szerző:Aszalós László (matematikus)
Cím:Correlation clustering by contraction / László Aszalós, Tamás Mihálydeák
Dátum:2015
Megjegyzések:We suggest an effective method for solving the problem of correlation clustering. This method is based on an extension of a partial tolerance relation to clusters. We present several implementation of this method using different data structures, and we show a method to speed up the execution by a quasi-parallelism.
ISBN:978-83-60810-66-8
Tárgyszavak:Természettudományok Matematika- és számítástudományok könyvfejezet
Korrelációs klaszterezés
összevonás
Megjelenés:Proceedings of the 2015 Federated Conference on Computer Science and Information Systems / Aleksander Denisiuk. - p. 425-434. -
További szerzők:Mihálydeák Tamás Sándor (1955-) (filozófus, matematikus)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

6.

001-es BibID:BIBFORM048457
Első szerző:Aszalós László (matematikus)
Cím:Rough clustering generated by correlation clustering / László Aszalós, Tamás Mihálydeák
Dátum:2013
Megjegyzések:Correlation clustering relies on a relation of similarity (andthe generated cost function). If the similarity relation is a tolerance relation, then not only one optimal partition may exist: an object can be approximated (from lower and upper side) with the help of clusters containing the given object and belonging to different partitions. In practical cases there is no way to take into consideration all optimal partitions. The authors give an algorithm which produces near optimal partitionsand can be used in practical cases (to avoid the combinatorial explosion). From the practical point of view it is very important, that the system of sets appearing as lower or upper approximations of objects can be taken as a system of base sets of general (partial) approximation spaces.
ISBN:978-3-642-41217-2
Tárgyszavak:Természettudományok Matematika- és számítástudományok előadáskivonat
Rough clustering
correlation clustering
klaszterezés
set approximation
A Jövő Internet elméleti alapjai
Megjelenés:Rough Sets, Fuzzy Sets, Data Mining, and Granular Computing : 14th International Conference, RSFDGrC 2013, Halifax, NS, Canada, October 11-14, 2013. Proceedings / ed. Davide Ciucci, Masahiro Inuiguchi, Yiyu Yao, Dominik Ślęzak, Guoyin Wang. - p. 315-324. -
További szerzők:Mihálydeák Tamás Sándor (1955-) (filozófus, matematikus)
Pályázati támogatás:TÁMOP-4.2.2.C-11/1/KONV-2012-0001
TÁMOP
Informatikai hálózatok elméleti alapjai
Internet cím:DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

7.

001-es BibID:BIBFORM087469
035-os BibID:(Scopus)85092916509
Első szerző:Nagy Dávid (programtervező informatikus)
Cím:Graph approximation on similarity based rough sets / Dávid Nagy, Tamás Mihálydeák, László Aszalós
Dátum:2020
ISSN:1788-1994 1788-3911
Megjegyzések:Correlation clustering is a widely used technique in data mining. The clusters contain objects, which are typically similar to one another and different from objects from other groups. In the authors previous works the possible usage of correlation in rough set theory were investigated. In rough set theory, two objects are treated as indiscernible if all of their attribute values are the same. A base set contains those objects that are indiscernible from one another. The partition, gained from the correlation clustering, can be understood as the system of base sets, as the clusters contain the typically similar objects (not just to a distinguished member) and it considers the real similarity among the objects. In this work the extension of this study is presented, using the method to approximate graphs representing similarity relations.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
Megjelenés:Pollack Periodica. - 15 : 2 (2020), p. 25-36. -
További szerzők:Mihálydeák Tamás Sándor (1955-) (filozófus, matematikus) Aszalós László (1969-) (matematikus)
Pályázati támogatás:EFOP-3.6.3-VEKOP-16-2017-00002
EFOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

8.

001-es BibID:BIBFORM083651
035-os BibID:(Scopus)85067182621
Első szerző:Nagy Dávid (programtervező informatikus)
Cím:Finding the representative in a cluster using correlation clustering / Dávid Nagy, Laszló Aszalós, Tamás Mihálydeák
Dátum:2019
ISSN:1788-1994 1788-3911
Megjegyzések:Correlation clustering is a widely used technique in data mining. The clusters contain objects, which are typically similar to each other and different from objects from other groups. It can be an interesting task to find the member, which is the most similar to the others for each group. These objects can be called representatives. In this paper, a possible way to find these representatives are shown and software to test the method is also provided.
Tárgyszavak:Műszaki tudományok Informatikai tudományok idegen nyelvű folyóiratközlemény hazai lapban
folyóiratcikk
Megjelenés:Pollack Periodica. - 14 : 1 (2019), p. 15-24. -
További szerzők:Aszalós László (1969-) (matematikus) Mihálydeák Tamás Sándor (1955-) (filozófus, matematikus)
Pályázati támogatás:EFOP-3.6.3-VEKOP-16-2017-00002
EFOP
TéT 16-1-2016-0193
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

9.

001-es BibID:BIBFORM083605
035-os BibID:(WoS)000519708700008 (Scopus)85098594601
Első szerző:Nagy Dávid (programtervező informatikus)
Cím:Different Types of Search Algorithms for Rough Sets / Dávid Nagy, Tamás Mihálydeák, László Aszalos
Dátum:2019
ISSN:0324-721X
Megjegyzések:Based on the available information in many cases it can happen that two objects cannot be distinguished. If a set of data is given and in this set two objects have the same attribute values, then these two objects are called indiscernible. This indiscernibility has an effect on the membership relation, because in some cases it makes our judgment uncertain about a given object. The uncertainty appears because if something about an object is needed to be stated, then all the objects that are indiscernible from the given object must be taken into consideration. The indiscernibility relation is an equivalence relation which represents background knowledge embedded in an information system. In a Pawlakian system this relation is used in set approximation. Correlation clustering is a clustering technique which generates a partition. In the authors' previous research the possible usage of the correlation clustering in rough set theory was investigated. In this paper the authors show how different types of search algorithms affect the set approximation.
Tárgyszavak:Műszaki tudományok Informatikai tudományok konferenciacikk
folyóiratcikk
Megjelenés:Acta Cybernetica. - 24 : 1 (2019), p. 105-120. -
További szerzők:Mihálydeák Tamás Sándor (1955-) (filozófus, matematikus) Aszalós László (1969-) (matematikus)
Pályázati támogatás:TéT 16-1-2016-0193
Egyéb
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

10.

001-es BibID:BIBFORM075596
035-os BibID:(Scopus)85052861134
Első szerző:Nagy Dávid (programtervező informatikus)
Cím:Similarity based rough sets with annotation / Dávid Nagy, Tamás Mihálydeák, László Aszalós
Dátum:2018
Megjegyzések:In the authors' previous research the possible usage of the correlation clustering in rough set theory was investigated. Correlation clustering relies on a tolerance relation. Its result is a partition. From the similarity point of view singleton clusters have no information. A system of base sets can be generated from the partition, and if the singleton clusters are left out, then it is a partial approximation space. This way the approximation space focuses on the similarity (the tolerance relation) itself and it is different from the covering type approximation space relying on the tolerance relation. In this paper the authors examine how the partiality can be decreased by inserting the members of some singletons into an arbitrary base set and how this annotation affects the approximations. The authors provide software that can execute this process and also helps to select the destination base set and it can also handle missing data with the help of the annotation.
ISBN:978-3-319-99367-6 978-3-319-99368-3
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
Rough set theory
Correlation clustering
Set approximation
Megjelenés:Rough Sets / ed. Hung Son Nguyen, Quang-Thuy Ha, Tianrui Li, Małgorzata Przybyła-Kasperek. - p. 88-100. -
További szerzők:Mihálydeák Tamás Sándor (1955-) (filozófus, matematikus) Aszalós László (1969-) (matematikus)
Pályázati támogatás:EFOP-3.6.3-VEKOP-16-2017-00002
EFOP
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:

11.

001-es BibID:BIBFORM075594
035-os BibID:(Scopus)85022328778
Első szerző:Nagy Dávid (programtervező informatikus)
Cím:Similarity based rough sets / Dávid Nagy, Tamás Mihálydeák, László Aszalós
Dátum:2017
Megjegyzések:Pawlak's indiscernibility relation (which is an equivalence relation) represents a limit of our knowledge embedded in an information system. In many cases covering approximation spaces rely on tolerance relations instead of equivalence relations. In real practice (for example in data mining) tolerance relations may be generated from the properties of objects. A given tolerance relation represents similarity between objects, but the usage of similarity is very special: it emphasizes the similarity to a given object and not the similarity of objects 'in general'. The authors show that this usage has some problematic consequences. The main goal of the paper is to show that if one uses the method of correlation clustering then there is a way to construct a general (partial) approximation space with disjoint base sets relying on the similarity of objects generated by their properties. At the end a software describing a real life problem is presented.
ISBN:978-3-319-60839-6 978-3-319-60840-2
Tárgyszavak:Műszaki tudományok Informatikai tudományok előadáskivonat
könyvrészlet
Rough set theory
correlation clustering
set approximation
Megjelenés:Rough Sets : proceedings, part II / eds. Lech Polkowski, Yiyu Yao, Piotr Artiemjew, Davide Ciucci, Dun Liu, Dominik Ślęzak, Beata Zielosko. - p. 94-107. -
További szerzők:Mihálydeák Tamás Sándor (1955-) (filozófus, matematikus) Aszalós László (1969-) (matematikus)
Internet cím:Szerző által megadott URL
DOI
Intézményi repozitóriumban (DEA) tárolt változat
Borító:
Rekordok letöltése1 
Corvina könyvtári katalógus v8.2.27 © 2023 Monguz kft. Minden jog fenntartva.