Information Mining Methoden, Algorithmen und Anwendungen intelligenter Datenanalyse

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.

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.