Navigation überspringen ([Alt] + [0])

Sitemap | english Version

>> Ressourcen > Theses > Richter, Wolfga[..] > thesis-final > Verwendete Tech[..]

• Über uns
  • Mitarbeiter
  • Aktuelles
  • ... mehr über uns
  • Kontaktinformationen
• Lehre
  • Offene Projekte
  • Lehrveranstaltungen
  • LV-Unterlagen
  • Abschlussarbeiten
• Forschung
  • Forschungsbereiche
  • Projekte
  • Publikationen
  • Partner

• TU Graz
• TUGRAZonline
• Impressum

Verwendete Technologien im Data Mining

Da sich die Entwicklung der Computer und der damit verbundenen Technologien immer schneller voranschreitet, haben sich auch die verwendeten Techniken im Data Mining entwickelt. Es werden aber trotz aller neuen Möglichkeiten sowohl die herkömmlichen klassischen Techniken, als auch die neu entwickelten für Data Mining verwendet. Das liegt daran, dass die verschiedenen Techiken verschiedene Anforderungen erfüllen und daher für spezielle Aufgaben eingesetzt werden. Die zur Zeit gängigsten Techniken im Bereich Data Mining sind [Dastani2000]:

• Künstliche Neuronale Netze - Darunter versteht man im Zusammenhang mit Data Mining nicht-lineare Prognoseverfahren, die der biologischen Informationsverarbeitung nachempfunden wurden und selbständig lernende Eigenschaften besitzen.
• Kohonen Netze - Das ist ein Segmentierungsverfahren, das auf dem Prinzip neuronaler Netze basiert und selbständig Cluster innerhalb eines Datennetzes bildet.
• Lineare Regression - Das ist ein klassisches Prognoseverfahren zur Erklärung von Verhaltensweisen mit Hilfe unabhängiger Variablen.
• Genetische Algorithmen - Diese basieren auf den Grundlagen der biologischen Evolution und dienen der Suche nach einer optimalen Lösung innerhalb eines Lösungsraumes.
• CHAID^3.32 - Das ist eine Methode, die eine Menge von Datensätzen hinsichtlich einer abhängigen Variable segmentiert.
• Regelbasierte Systeme - Das sind Methoden, die zur Extraktion und Verifikation von Wenn-Dann-Regeln dienen.

Wie man in obiger Liste erkennen kann, sind unter den verwendeten Techniken sehr stark unterschiedliche Verfahren vorhanden und daher erklärt sich auch der Einsatz aller Techniken in verschiedenen Bereichen. Neuronale Netze, lineare Regression und CHAID bieten sich für Auswertungen mit Prognosecharakter an. Kohonen-Netze und regelbasierte Systeme werden oftmals beim Clustering verwendet. Eine Möglichkeit besteht auch darin, unterschiedliche Techniken zu kombinieren, falls es der Charakter der Auswertung oder Analyse erfordert. [Dastani2000]