1、归纳数据库知识发现与约束聚类研究

归纳数据库知识发现与约束聚类研究

在数据挖掘和知识发现领域，归纳数据库（IDBs）和约束聚类是两个重要的研究方向。下面将为大家详细介绍相关内容。

1. 归纳数据库知识发现工作坊

2006 年 9 月 18 日，第五届归纳数据库知识发现国际研讨会（KDID 2006）在德国柏林举行，此次研讨会与 ECML/PKDD 2006 同期举办。归纳数据库为数据挖掘和知识发现提供了一种全新的数据库视角。它不仅包含数据，还涵盖了数据中有效的概括信息，如模式和模型。

在归纳数据库中，普通查询可用于数据的访问和操作，而归纳查询则用于生成、操作和应用模式。这使得模式成为“一等公民”，知识发现（KDD）也演变成了一个扩展的查询过程，同时对数据和其中的模式/模型进行查询。

归纳数据库框架具有诸多优势，它采用声明式查询而非临时的过程式构造，与基于约束的数据挖掘密切相关。此外，它支持整个 KDD 过程，适用于复杂的多步骤 KDD 场景。

此次研讨会的目标是汇聚对归纳数据库、归纳查询、基于约束的数据挖掘和数据挖掘查询语言感兴趣的数据库和数据挖掘研究人员。此前，还分别在芬兰赫尔辛基、克罗地亚卡夫塔特 - 杜布罗夫尼克、意大利比萨和葡萄牙波尔图举办过四届 KDID 研讨会。

研讨会的科学议程包括九场常规报告、两场简短报告以及一场由美国加州理工学院喷气推进实验室的 Kiri L. Wagstaff 带来的特邀报告。本卷收录了研讨会上展示的所有论文，还包括三篇其他场合的相关研究贡献，以及一位编辑尝试统一该领域现有研究并为数据挖掘通用框架指明未来研究方向的文章。

研讨会的组织架构如下：
- 程序主席