Information Mining

Methoden, Algorithmen und Anwendungen intelligenter Datenanalyse

AvThomas A. Runkler,Wolfgang Bibel

Häftad, Tyska, 2000

Del i serien Computational Intelligence

557 kr

Beställningsvara. Skickas inom 10-15 vardagar. Fri frakt över 249 kr.

Beskrivning

Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehoren 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, Entscheidungsbaume und Agentensysteme vorgestellt.

Produktinformation

Utgivningsdatum:2000-03-29
Mått:170 x 244 x 11 mm
Vikt:329 g
Format:Häftad
Språk:Tyska
Serie:Computational Intelligence
Antal sidor:171
Upplaga:2000
Förlag:Springer Fachmedien Wiesbaden
ISBN:9783528057411

Utforska kategorier

Teknik: allmänt inom Naturvetenskap och teknik

Mer om författaren

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.

Recensioner i media

"Das Buch ist spannend zu lesen. Der verstandliche und konzentrierte Stil mit den vielen Literaturhinweise und die Algorithmen laden zum Ausprobieren und Weiterlesen ein." Prof. Dr. H.-J. Appelrath, Universitat Oldenburg

Innehållsförteckning

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.