With the computerization of businesses, more and more data are generated and stored in databases for many business applications. Finding interesting patterns among those data may lead to useful knowledge that provides competitive advantage in business. Knowledge discovery in database has thus become an important issue to help business acquire knowledge that assists managerial and operational work. Among many types of knowledge, classification knowledge is widely used. Most classification rules learned by induction algorithms are in the crisp form. Fuzzy linguistic representation of rules, however, is much closer to the way human reasons. The objective of this research is to propose a method to mine classification knowledge from the database with fuzzy descriptions. The procedure contains five steps, starting from data preparation to rule pruning. A rule induction algorithm, RITIO, is employed to generate the classification rules. Fuzzy inference mechanism that includes fuzzy matching and output reasoning is specified to yield the output class. An experiment is conducted using several databases to show advantages of this work. The proposed method is justified with good system performance. It can be easily implemented in various business applications on classification tasks.

This diploma thesis deals with the data mining and the creation of data mining unit for data mining system, which is beeing developed at FIT. This is a client application consisting of a kernel and its graphical user interface and independent mining modules. The application uses support of Oracle Data Mining. The data mining system is implemented in Java language and its graphical user interface is built on NetBeans platform. The content of this work will be the introduction into the issue of knowledge discovery and then the presentation of the chosen Bayesian classification method, for which there will subsequently be implemented the stand-alone data mining module. Furthermore, the implementation of this module will be described.

Seit einigen Jahren erlangt die Thematik "Wissen und Umgang mit Wissen in Organisationen" bzw. "Wissensmanagement" nicht nur in der Unternehmenspraxis, sondern auch in der Wissenschaft zunehmende Aufmerksamkeit. Wissenschaftler und Praktiker widmen sich verstärkt der Fragestellung, Wissen erfolgreich zu managen und betrachten Wissen als Quelle für nachhaltige Wettbewerbsvorteile. Hierfür bedarf es eines Umdenkens im Management dahingehend, den Umgang mit Wissen in den Vordergrund sämtlicher Aktivitäten zu stellen. Trotz der zahlreichen Publikationen zur Thematik ist bisher nur ein geringes Maß an Einheitlichkeit in den einschlägigen Begriffen und Theorien erreicht worden, das dem veränderten Stellenwert von Wissen umfassend gerecht würde. Die Vielzahl der Publikationen und deren Heterogenität lassen darauf deuten, daß es sich bei Wissen und dem Umgang mit Wissen um ein höchst komplexes Thema handelt. Zugleich zeigt sich, daß die Thematik keineswegs ausschließlich in das Forschungsgebiet der Betriebswirtschaftslehre fällt. Auch aus anderen Wissenschaftsdisziplinen liegt eine Vielzahl von Veröffentlichungen vor, so z.B. aus den Gebieten Epistemologie, Soziologie, Kognitionspsychologie, Kreativitätsforschung, Bibliotheks- und Informationswissenschaften, Informatik und Pädagogik. Dabei betrachten die verschiedenen Disziplinen jeweils spezifische Fragestellungen und diskutieren die Thematik aus verschiedenen Blickwinkeln, mit jeweils unterschiedlichen Erkenntniszielen und Methoden. Obgleich die vorhandene Literatur eine überaus heterogene Struktur aufweist und die meisten Beiträge eher explorativer Natur sind, scheint die Schlußfolgerung gerechtfertigt, Wissen und den Umgang mit Wissen als interdisziplinäres Forschungsgebiet anzusehen. Allerdings existiert bislang kein in sich geschlossener Ansatz, der die verschiedenen Stränge in einen einheitlichen Bezugsrahmen vereint. Jüngst sind aber erste Bemühungen erkennbar, um Forschungsansätze aus verschiedenen Wissenschaftsgebieten zu integrieren. Vor diesem Hintergrund besteht ein wesentliches Ziel dieser Dissertation, die vorhandene Literatur aufzuarbeiten und auszuwerten, um zugleich Ansatzpunkte für zukünftige Forschungsarbeiten zu identifizieren. Bei der Aufarbeitung der Literatur wird die Vielfältigkeit und Heterogenität der Publikationen berücksichtigt, um möglichst ein breites Spektrum abzudecken. Damit leistet die Arbeit einen Beitrag zur weiteren Integration interdisziplinärer Forschungsergebnisse auf dem Gebiet "Wissen und Umgang mit Wissen in Organisationen". Als Anknüpfungspunkt wurde dabei die Wissensbasis einer Organisation gewählt, die in vielen Veröffentlichungen im Mittelpunkt steht. In der Arbeit werden unterschiedliche Möglichkeiten zur Systematisierung vorgestellt. Darauf aufbauend wird ein eigener Systematisierungsansatz entwickelt, der auf den Grundunterscheidungen nach Arten des Wissens (Wissensarten), Trägern des Wissens (Wissensträgern) und Prozessen des Umgangs mit Wissen (Wissensprozessen) basiert. Die Tragfähigkeit des Ansatzes soll dadurch überprüft werden, inwieweit eine solche Unterscheidung in vorhandenen Konzepten zum Wissensmanagement enthalten ist. Da die Wissensbasis in einem unmittelbaren Zusammenhang mit den Wertschöpfungsprozessen des Unternehmen steht, besteht zudem die Möglichkeit, den Systematisierungsansatz mit verschiedenen Managementebenen im Sinne einer Rahmenkonzeption für eine wissensorientierte Unternehmensführung zu verknüpfen. Ein solches Rahmenkonzept erlaubt es, Gestaltungsempfehlungen für ein Management des Wissens von und in Organisationen abzuleiten.

This thesis is focused on knowledge discovery from databases, especially on methods of classification and prediction. These methods are described in detail.  Furthermore, this work deals with multimedia databases and the way these databases store data. In particular, the method for processing low-level image and video data is described.  The practical part of the thesis focuses on the implementation of this GMM method used for extracting low-level features of video data and images. In other parts, input data and tools, which the implemented method was compared with, are described.  The last section focuses on experiments comparing extraction efficiency features of high-level attributes of low-level data and the methods implemented in selected classification tools LibSVM.

The main goal of this master's thesis was to study the main principles of classification methods. Basic principles of knowledge discovery process, data mining and using an external class CSSBox are described. Special attantion was paid to implementation of a ,,k-nearest neighbors`` classification method. The first objective of this work was to create training and testing data described by 'n' attributes. The second objective was to perform experimental analysis to determine a good value for 'k', the number of neighbors.

Indiana University-Purdue University Indianapolis (IUPUI) / During a 2011 summer dominated by headlines about an earthquake and a hurricane along the East Coast, extreme heat that silently killed scores of Americans largely went unnoticed by the media and public. However, despite a violent spasm of tornadic activity that claimed over 500 lives during the spring of the same year, heat-related mortality annually ranks as the top cause of death incident to weather. Two major data groups used in researching vulnerability to extreme heat events (EHE) include socioeconomic indicators of risk and factors incident to urban living environments. Socioeconomic determinants such as household income levels, age, race, and others can be analyzed in a geographic information system (GIS) when formatted as vector data, while environmental factors such as land surface temperature are often measured via raster data retrieved from satellite sensors. The current research sought to combine the insights of both types of data in a comprehensive examination of heat susceptibility using knowledge-based classification. The use of knowledge classifiers is a non-parametric approach to research involving the creation of decision trees that seek to classify units of analysis by whether they meet specific rules defining the phenomenon being studied. In this extreme heat vulnerability study, data relevant to the deadly July 1995 heat wave in Chicago’s Cook County was incorporated into decision trees for 13 different experimental conditions. Populations vulnerable to heat were identified in five of the 13 conditions, with predominantly low-income African-American communities being particularly at-risk. Implications for the results of this study are given, along with direction for future research in the area of extreme heat event vulnerability.