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.
Von Daten zum Wissen
Autorentext
Inhalt
1 Der DatenanalyseProzess.- 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.
Von Daten zum Wissen
Autorentext
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.
Inhalt
1 Der DatenanalyseProzess.- 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.
Titel
Information Mining
Untertitel
Methoden, Algorithmen und Anwendungen intelligenter Datenanalyse
Autor
EAN
9783322891587
Format
E-Book (pdf)
Hersteller
Genre
Veröffentlichung
09.04.2013
Digitaler Kopierschutz
Wasserzeichen
Anzahl Seiten
171
Lesemotiv
Unerwartete Verzögerung
Ups, ein Fehler ist aufgetreten. Bitte versuchen Sie es später noch einmal.