Data Mining: Multimedia, Soft Computing, and Bioinformaticsの目次和訳

Data Mining: Multimedia, Soft Computing, and Bioinformatics

序文

1　データマイニングへの序論

• 1.1 序論
• 1.2 知識発見とデータマイニング
• 1.3 データ要約
• 1.4 情報検索
• 1.5 テキストマイニング
• 1.6 ウェブマイニング
• 1.7 イメージマイニング
• 1.8 分類
• 1.9 クラスタリング
• 1.10 ルールマイニング
• 1.11 ストリングマッチング
• 1.12 生命情報工学
• 1.13 データウェアハウジング
• 1.14 アプリケーションと挑戦
• 1.15 結論と議論

2　ソフトコンピューティング

• 2.1 序論
• 2.2 ソフトコンピューティングとは何か？
  • 2.2.1 関連(？)
  • 2.2.2 ファジィ集合
  • 2.2.3 ニュートラルネットワーク
  • 2.2.4 ニューロ･ファジィコンピューティング
  • 2.2.5 遺伝的アルゴリズム
  • 2.2.6 ラフ集合
  • 2.2.7 ウェーブレット
• 2.3 データマイニングにおけるファジィ集合の役割
  • 2.3.1 クラスタリング
  • 2.3.2 ジェネラルコンピューティング
  • 2.3.3 結合規則(？)
  • 2.3.4 機能的な依存
  • 2.3.5 データ統括
  • 2.3.6 イメージマイニング
• 2.4 データマイニングにおけるニュートラルネットワークの役割
  • 2.4.1 抽出の規則
  • 2.4.2 評価の規則
  • 2.4.3 クラスタリングと自己組織化
  • 2.4.4 回帰(？)
  • 2.4.5 情報検索
• 2.5　データマイニングにおける遺伝的アルゴリズムの役割
  • 2.5.1 回帰(？)
  • 2.5.2 結合規則(？)
• 2.6 データマイニングにおけるラフ関数の役割
• 2.7 データマイニングにおけるウェーブレットの役割
• 2.8 データマイニングにおける交配(？)の役割
• 2.9 結論と議論

3　マルチメディアデータ要約

• 3.1 序論
• 3.2 情報理論概念
  • 3.2.1 離散的なメモリレスなモデルとエントロピー
  • 3.2.2 静かな(？)ソースコーディング定理
• 3.3 要約(？)アルゴリズムの分類
• 3.4 データ要約モデル
• 3.5 要約(？)パフォーマンスの手段
  • 3.5.1 1サンプルあたりの圧縮比とビット
  • 3.5.2 metricの特性
  • 3.5.3 コーディングの複雑さ
• 3.6 ソースコーディングアルゴリズム
  • 3.6.1 ランレングスコーディング
  • 3.6.2 ハフマン符号
• 3.7 データ要約のための主な構成の分析
• 3.8 今までの画像圧縮の原則(？)
  • 3.8.1 プリディクティブコーディング(予測符号化(？))
  • 3.8.2 トランスフォームコーディング(予測符号化(？))
  • 3.8.3 ウェーブレットコーディング
• 3.9 画像圧縮規格：JPEG
• 3.10 JPEGロスレスコーディングアルゴリズム
• 3.11 ベースラインJPEG圧縮
  • 3.11.1 色空間変換
  • 3.11.2 ソースイメージデータアレンジメント
  • 3.11.3 ベースライン圧縮アルゴリズム
  • 3.11.4 ベースラインJPEGの減圧の過程
  • 3.11.5 次世代静止画コーディング規格
• 3.12 テキスト要約
  • 3.12.1 LZ77アルゴリズム
  • 3.12.1 LZ78アルゴリズム
  • 3.12.3 LZWアルゴリズム
  • 3.12.4 Lempel-Zivコーディングの他の応用
• 3.13 結論と議論

4 文字列検索

• 4.1 序論
  • 4.1.1 いくつかの定義と準備段階
  • 4.1.2 文字列検索の問題
  • 4.1.3 力任せな文字列検索
• 4.2 線形順序の文字列検索アルゴリズム
  • 4.2.1 有限オートマトンを用いての文字列検索
  • 4.2.2 Knuth-Morris-Prattアルゴリズム(KMPアルゴリズム)
  • 4.2.3 Boyer-Mooreアルゴリズム(BM法)
  • 4.2.4 Boyer-Moore-Horspoolアルゴリズム
  • 4.2.5 Karp-Rabinアルゴリズム
• 4.3 生命情報工学における文字列検索
• 4.4 大体の文字列検索
  • 4.4.1 基本的な定義
  • 4.4.2 文字列間の距離の計算のためのワグナーフィッシャーアルゴリズム
  • 4.4.3 k-differencesを用いてのテキスト検索
• 4.5 要約(？)されたパターンマッチング
• 4.6 結論と議論

5 データマイニングにおける分類

• 5.1 序論
• 5.2 意思決定の樹状図クラシファイア
  • 5.2.1 ID3
  • 5.2.2 IBM IntelligentMiner
  • 5.2.3 Serial PaRallelizable INduction of decision Tree(SPRINT)　←　英語以外ひっかからないので、どう訳せばいいか不明でした
  • 5.2.4 多雨林(？)
  • 5.2.5 過学習(？)
  • 5.2.6 PrUning and BuiLding Integrated in Classification(PUBLIC)
  • 5.2.7 ツリーから分類規則を抜粋する(？)
  • 5.2.8 ニュートラルネットワークにおける融合
• 5.3 ベイズ流クラシファイア
  • 5.3.1 最小危険のためのベイズ流規則
  • 5.3.2 ナイーブなベイズ流クラシファイア
  • 5.3.3 ベイズ流信念ネットワーク
• 5.4 Instance-Based学習者
  • 5.4.1 最小距離クラシファイア
  • 5.4.2 k-最近傍アルゴリズム
  • 5.4.3 局所的な重みを用いた回帰
  • 5.4.4 動径基底関数
  • 5.4.5 事例ベース推論
  • 5.4.6 ジェネラルコンピューティングとCBR(事例ベース推論)
• 5.5 サポートベクターマシーン
• 5.6 ファジィ決定樹
  • 5.6.1 分類
  • 5.6.2 規則世代と評価
  • 5.6.3 曖昧なニューラル・ネットワークへの規則に関するマッピング
  • 5.6.4 結果
• 5.7 結論と議論

6 データマイニングにおけるクラスタリング

• 6.1 序論
• 6.2 距離測定とシンボリックなオブジェクト
  • 6.2.1 数値オブジェクト
  • 6.2.2 バイナリーオブジェクト
  • 6.2.3 断定的なオブジェクト
  • 6.2.4 シンボリックオブジェクト
• 6.3 クラスタリングカテゴリ
  • 6.3.1 パーティショナルクラスタリング
  • 6.3.2 階層的なクラスタリング
  • 6.3.3 リーダークラスタリング
• 6.4 スケーラブルなクラスタリングアルゴリズム
  • 6.4.1 膨大なアプリケーションのクラスタリング
  • 6.4.2 運命ベースのクラスタリング
  • 6.4.3 階層的なクラスタリング
  • 6.4.4 グリッドベースのメソッド
  • 6.4.5 他の異形
• 6.5 ソフトコンピューティングベースのアプローチ
  • 6.5.1 ファジー集合
  • 6.5.2 ニューラル・ネットワーク
  • 6.5.3 ウェーブレット
  • 6.5.4 ラフセット
  • 6.5.5 進化論のアルゴリズム
• 6.6 断定的な属性によるクラスタリング
  • 6.6.1 繰り返された関係援軍を通るふるい分け
  • 6.6.2 リンクとの体力を要している階層的なクラスタリング
  • 6.6.3 c-モードアルゴリズム
• 6.7 階層的なシンボリッククラスタリング
  • 6.7.1 概念的なクラスタリング
  • 6.7.2 塊状のシンボリックなクラスタリング
  • 6.7.3 クラスタ正当性インデックスリスト
  • 6.7.4 結果
• 6.8 結論と議論

7 協会規則

• 7.1 序論
• 7.2 候補世代とテストメソッド
  • 7.2.1 先験的なアルゴリズム
  • 7.2.2 パーティションアルゴリズム
  • 7.2.3 いくつかの拡大
• 7.3 最も深い検索メソッド
• 7.4 おもしろい規則
• 7.5 多レベル規則
• 7.6 規則のオンライン世代
• 7.7 一般化された規則
• 7.8 規則のスケーラブルなマイニング
• 7.9 他の異形
  • 7.9.1 量的な協会規則
  • 7.9.2 時の協会規則
  • 7.9.3 相関関係規則
  • 7.9.4 ローカライズな協会規則
  • 7.9.5 最適化された協会規則
• 7.10 曖昧な協会規則
• 7.11 結論と議論

8 ソフトコンピューティングとの規則マイニング

• 8.1 序論
• 8.2 コネクショニスト規則世代
  • 8.2.1 神経のモデル
  • 8.2.2 Neuro-fuzzyモデル
  • 8.2.3 知識を拠点とするネットワークの使用
• 8.3 モジュールの交配
  • 8.3.1 荒く曖昧なMLP
  • 8.3.2 モジュールの知識を拠点とするネットワーク
  • 8.3.3 進化論のデザイン
  • 8.3.4 規則抽出
  • 8.3.5 結果
• 8.4 結論と議論

9 マルチメディアデータマイニング

• 9.1 序論
• 9.2 テキストマイニング
  • 9.2.1 キーワードベースの検索とマイニング
  • 9.2.2 テキスト分析と検索
  • 9.2.3 ドキュメントの数学的モデル
  • 9.2.4 ドキュメントと質問のための類似性ベースのマッチング
  • 9.2.5 潜在している意味解析
  • 9.2.6 ソフトコンピューティングアプローチ
• 9.3 イメージマイニング
  • 9.3.1 コンテストベースのイメージ検索
  • 9.3.2 色の機能
  • 9.3.3 織地機能
  • 9.3.4 形の機能
  • 9.3.5 トポロジー
  • 9.3.6 多次元のインデックス
  • 9.3.7 簡単なCBIRシステムの結果
• 9.4 ビデオマイニング
  • 9.4.1 MPEG-7:マルチメディアコンテント記述インタフェース
  • 9.4.2 内容ベースのビデオ情報検索システム
• 9.5 ウェブマイニング
  • 9.5.1 サーチエンジン
  • 9.5.2 ソフトコンピューティングアプローチ
• 9.6 結論と議論

10 生命情報工学:アプリケーション

• 10.1 序論
• 10.2 生物学からの準備段階
  • 10.2.1 デオキシリボ核酸
  • 10.2.2 アミノ酸
  • 10.2.3 タンパク質
  • 10.2.4 マイクロアレイと遺伝子発現
• 10.3 情報科学局面
  • 10.3.1 タンパク質の折り重なり
  • 10.3.2 立体構造モデル
  • 10.3.3 ゲノム期間分析
  • 10.3.4 相応関係検索
• 10.4 マイクロアレイデータのクラスタリング
  • 10.4.1 第一世代アルゴリズム
  • 10.4.2 二世アルゴリズム
• 10.5 協会規則
• 10.6 ソフトコンピューティングの役割
  • 10.6.1 タンパク質二次構造の予測
  • 10.6.2 タンパク質三次構造の予測
  • 10.6.3 拘束力があるサイトの決定
  • 10.6.4 遺伝子発現データの分類
• 10.7 結論と議論