Information Mining
Methoden, Algorithmen und Anwendungen intelligenter Datenanalyse
Published on 29. March 2000
Book
Paperback/Softback
VIII, 171 pages
978-3-528-05741-1 (ISBN)
Description
Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozeßtechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen.
Reviews / Votes
"Das Buch ist spannend zu lesen. Der verständliche und konzentrierte Stil mit den vielen Literaturhinweise und die Algorithmen laden zum Ausprobieren und Weiterlesen ein." Prof. Dr. H.-J. Appelrath, Universität OldenburgMore details
Series
Edition
2000 ed.
Language
German
Place of publication
Wiesbaden
Germany
Publishing group
Vieweg & Teubner
Target group
Professional and scholarly
Research
Illustrations
VIII, 171 S.
Dimensions
Height: 244 mm
Width: 170 mm
Thickness: 11 mm
Weight
329 gr
ISBN-13
978-3-528-05741-1 (9783528057411)
DOI
10.1007/978-3-322-89158-7
Schweitzer Classification
Other editions
Additional editions
Thomas A. Runkler
Information Mining
Methoden, Algorithmen und Anwendungen intelligenter Datenanalyse
E-Book
04/2013
Vieweg+Teubner Verlag
€38.66
Available for download
Persons
Dr.-Ing. Thomas A. Runkler ist Entwicklungsingenieur in der Zentralabteilung Technik der Siemens AG in München und lehrt an der Fakultät für Informatik der Technischen Universität München.
Content
1 Der Datenanalyse-Prozess.- 2 Datencharakteristika und Fehlerquellen.- 2.1 Maßskalen.- 2.2 Matrixdarstellung numerischer Daten.- 2.3 Relationen.- 2.4 Relationen für Textdaten.- 2.5 Abtastung und Quantisierung.- 3 Datenvorverarbeitung.- 3.1 Zufällige und systematische Fehler.- 3.2 Erkennung von Ausreißern.- 3.3 Ausreißerbehandlung.- 3.4 Filterung von Zeitreihen.- 3.5 Standardisierung.- 3.6 Data Warehousing.- 4 Datenvisualisierung.- 4.1 Hauptachsentransformation.- 4.2 Mehrdimensionale Skalierung.- 4.3 Selbstorganisierende Karte.- 4.4 Mehrschichtiges Perzeptron.- 4.5 Spektralanalyse.- 5 Datenanalyse und Modellierung.- 5.1 Korrelation.- 5.2 Regression.- 5.3 Modellierung und Validierung.- 5.4 Klassifikation.- 5.5 Entscheidungsbäume.- 5.6 Clustering.- 5.7 Verteilte Agentensysteme.- 5.8 Clustering für Entscheidungsbäume.- 5.9 Regelerzeugung.- 5.10 Radiale Basisfunktionen.- 5.11 Neuronales Gas.- 5.12 Relationale Datenanalyse.- 6 Anwendungsbeispiele.- 6.1 Prozesstechnik.- 6.2 Vernetzte Systeme.- 6.3 Bildverarbeitung.- 6.4 Marketing.- 7 Zusammenfassung.- Übungsaufgaben.- Symbolverzeichnis.