Soft computing methodologies (invol

Soft computing methodologies (involving fuzzy sets, neural networks, genetic algorithms, and rough sets) are most widely applied in the data mining step of the overall KDD process. Fuzzy sets provide a natural framework for the process in dealing with uncertainty. Neural networks and rough sets are widely used for classification and rule generation. Genetic algorithms (GAs) are involved in various optimization and search processes, like query optimization and template selection. Other approaches like case based reasoning [5] and decision trees [12], [13] are also widely used to solve data mining problems.
The present article provides an overview of the available liter¬ature on data mining, that is scarce, in the soft computing frame-work. Section II describes the basic notions of knowledge dis¬covery in databases, and data mining. Some challenges are high-lighted. This is followed in Section III by a survey explaining the role of the aforesaid soft computing tools and their hybridiza¬tions, categorized on the basis of the different data mining func¬tions implemented and the preference criterion selected by the model. The utility and applicability of the different soft com¬puting methodologies is highlighted. Section IV concludes the article. Some challenges to data mining and the application of soft computing methodologies are also indicated.

Hasil (Bahasa Indonesia) 1:

Lembut metodologi komputasi (melibatkan kabur set, jaringan saraf, algoritma genetik, dan kasar set) paling banyak digunakan dalam langkah pertambangan data proses KDD secara keseluruhan. Fuzzy set memberikan kerangka alam untuk proses dalam berurusan dengan ketidakpastian. Jaringan saraf dan kasar set secara luas digunakan untuk klasifikasi dan kekuasaan generasi. Algoritma genetik (GAs) yang terlibat dalam berbagai optimasi dan proses pencarian, seperti kueri optimasi dan template pilihan. Pendekatan-pendekatan lain seperti kasus berbasis penalaran [5] dan pohon keputusan [12], [13] juga banyak digunakan untuk mengatasi masalah pertambangan data.Pasal memberikan ikhtisar liter¬ature tersedia data pertambangan, yang langka, di lembut komputasi kerangka kerja. Bagian II menjelaskan pengertian dasar tentang pengetahuan dis¬covery di database, dan data pertambangan. Beberapa tantangan tinggi-berlampu. Ini diikuti dalam Bagian III dengan survei menjelaskan peran perangkat komputasi lembut tersebut di atas dan hybridiza¬tions mereka, dikategorikan berdasarkan data yang berbeda pertambangan func¬tions dilaksanakan dan kriteria preferensi yang dipilih oleh model. Utilitas dan penerapan metodologi yang berbeda com¬putting lembut akan disorot. Bagian IV menyimpulkan artikel. Beberapa tantangan untuk data pertambangan dan penerapan metodologi komputasi lembut juga ditunjukkan.

Hasil (Bahasa Indonesia) 2:

Metodologi soft computing (melibatkan set fuzzy, jaringan saraf, algoritma genetika, dan set kasar) paling banyak diterapkan pada langkah data mining dari proses KDD secara keseluruhan. Fuzzy set memberikan kerangka alami untuk proses dalam menangani ketidakpastian. Jaringan saraf dan set kasar secara luas digunakan untuk klasifikasi dan aturan generasi. Algoritma genetika (GAs) yang terlibat dalam berbagai optimasi dan pencarian proses, seperti optimasi query dan seleksi Template. Pendekatan lain seperti penalaran berdasarkan kasus [5] dan pohon keputusan [12], [13] juga banyak digunakan untuk memecahkan masalah data mining.
Artikel ini memberikan gambaran dari liter¬ature tersedia pada data mining, yang langka, di frame-pekerjaan komputasi lembut. Bagian II menjelaskan pengertian dasar pengetahuan dis¬covery dalam database, dan data mining. Beberapa tantangan yang tinggi menyala. Ini diikuti dalam Bagian III oleh survei menjelaskan peran alat komputasi lembut tersebut di atas dan hybridiza¬tions mereka, dikategorikan atas dasar yang berbeda func¬tions data mining diterapkan dan kriteria preferensi dipilih oleh model. Utilitas dan penerapan metodologi com¬puting lunak yang berbeda disorot. Bagian IV menyimpulkan artikel. Beberapa tantangan untuk data mining dan penerapan metodologi soft computing juga ditunjukkan.