Abstract—The present article provid

Abstract—The present article provides a survey of the available literature on data mining using soft computing. A categorization has been provided based on the different soft computing tools and their hybridizations used, the data mining function implemented, and the preference criterion selected by the model. The utility of the different soft computing methodologies is highlighted. Gener¬ally fuzzy sets are suitable for handling the issues related to under¬standability of patterns, incomplete/noisy data, mixed media infor¬mation and human interaction, and can provide approximate so¬lutions faster. Neural networks are nonparametric, robust, and ex¬hibit good learning and generalization capabilities in data-rich en¬vironments. Genetic algorithms provide efficient search algorithms to select a model, from mixed media data, based on some prefer¬ence criterion/objective function. Rough sets are suitable for han¬dling different types of uncertainty in data. Some challenges to data mining and the application of soft computing methodologies are in¬dicated. An extensive bibliography is also included.
Index Terms—Fuzzy logic, genetic algorithms, knowledge dis-covery, neural networks, neuro-fuzzy computing, rough sets, rule extraction.

Hasil (Bahasa Indonesia) 2:

Abstrak-Artikel ini memberikan suatu survei literatur yang tersedia di data mining menggunakan komputasi lembut. Sebuah kategorisasi telah disediakan berdasarkan pada alat komputasi lembut yang berbeda dan hibridisasi mereka digunakan, fungsi data mining dilaksanakan, dan kriteria preferensi dipilih oleh model. Utilitas dari metodologi soft computing yang berbeda disorot. Gener¬ally fuzzy set yang cocok untuk menangani masalah yang berkaitan dengan under¬standability pola, tidak lengkap / data yang bising, campuran media yang infor¬mation dan interaksi manusia, dan dapat memberikan so¬lutions perkiraan lebih cepat. Jaringan saraf yang nonparametrik, kuat, dan ex¬hibit belajar dan generalisasi yang baik kemampuan di en¬vironments kaya data. Algoritma genetika memberikan algoritma pencarian yang efisien untuk memilih model, dari data media campuran, berdasarkan beberapa kriteria prefer¬ence / fungsi tujuan. Set kasar cocok untuk han¬dling berbagai jenis ketidakpastian dalam data. Beberapa tantangan untuk data mining dan penerapan metodologi komputasi lunak in¬dicated. Bibliografi yang luas juga disertakan.
Logika Indeks Syarat-Fuzzy, algoritma genetika, pengetahuan dis-covery, jaringan saraf, neuro-fuzzy komputasi, set kasar, memerintah ekstraksi.