Hybride Methoden- und Systemarchitekturen für heterogene Informationsräume

[4] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1]麻省理工学院的估计值Methoden拉森在Daten西奇,死在静脉einzelnen Tabelle麻省理工学院numerischen奥得河symbolischen Werten abgelegt信德,汪汪汪unterschiedliche怀斯的召集奥得河funktionale Zusammenhange entdecken。数据与数据的集成：数据与数据的集成：数据与数据的集成：数据与数据的集成：数据与数据的集成。Erstens sindie homogenen Datenbestände, auf denen bisherige verfaren aufsetzen， nighder Normalfall beder informations等。Typischerweise stehen heterogene Datenbestände zur verf<e:1> gung， aus denen zunächst von einem数据挖掘- special - listenen nach分析des Anwendungsbereichs in f<e:1> r die verfaren geeigneter均质者Datenbestand erstellt werden muß。德国德国德国德国德国德国德国德国德国德国。Zweitens ist die optimale Beantwortung einer bestestimmten fragage normalerweise nicht durch ein einzelnes Verfahren möglich, sonderfordert die combination der Stärken verschiedener Verfahren mit zur verf<e:1> gung stehendem Hintergrundwissen。数据挖掘技术在数据挖掘领域的应用。基于数据挖掘技术的数据挖掘技术。儿童之间的死亡问题können晚上在einem allgemeinen， allumfassenden和fralle möglichen Anbwendungsbereiche verwendbaren信息挖掘系统gelöst werden。Ziel deshier vorgeschlagenen teilantragises stattdessen，方法与系统架构之间的关系，die es gestatten，构造与信息挖掘系统之间的关系，构建与信息挖掘系统之间的关系，构建与集成问题之间的关系，构建与集成问题之间的关系，构建与集成问题之间的关系lösen，构建与集成问题之间的关系，构建与集成问题之间的关系，构建与集成问题之间的关系。软件技术也是一种方法-算法。关于信息挖掘的相关信息，请参见：信息挖掘的相关信息，请参见：信息挖掘的相关信息，请参见：信息挖掘的相关信息，请参见：信息挖掘的相关信息，请参见：verändern。数据挖掘平台（data - mining - platform）、数据挖掘平台（data - mining platform）、数据挖掘平台（data - mining platform）、数据挖掘平台（data - mining platform）、数据挖掘平台（data - mining platform）、数据挖掘平台（data - mining platform）、数据挖掘平台（data - mining platform）、数据挖掘平台（data - mining platform）、数据挖掘平台（data - mining platform）、数据挖掘平台（data - mining platform）。Auf der Ebene der Methodenarchitekturforschung风模ergänzt durch die Entwicklung eines Architekturkonzeptes <e:1> r模具集成混合分析方法，mit dem die Stärken unterschiedlicher Analysetechniken applikationsspezifisch genutzt werden können。他的母校是Einzelansätze，他的母校是Mächtigkeit，他的母校是Flexibilität，他的母校是Mächtigkeit，他的母校是Flexibilität。[2][1][1][1][1][1][1][1][1][1][1][1][1][3]。在gesamtergebneis和teilproject中，也包括了verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen、verkalen等。

Für einfach strukturierte, homogene Datenbestände existiert mittlerweile eine Vielzahl von erfolgreichen Analysemethoden aus den Bereichen Statistik, Neuronale Netze, Fuzzy-Systeme und Maschinelles Lernen. Mit diesen Methoden lassen sich in Daten, die in einer einzelnen Tabelle mit numerischen oder symbolischen Werten abgelegt sind, auf unterschiedliche Weise interessante Muster oder funktionale Zusammenhänge entdecken. Trotz der individuell hohen Leistungsfähigkeit dieser Verfahren zeigen sich für die Ziele des Information Mining auf übergeordneter Ebene zwei wichtige Probleme bezogen auf die Integration von Daten und Verfahren. Erstens sind die homogenen Datenbestände, auf denen bisherige Verfahren aufsetzen, nicht der Normalfall bei der Informationssuche. Typischerweise stehen heterogene Datenbestände zur Verfügung, aus denen zunächst von einem Data-Mining-Spezialisten nach Analyse des Anwendungsbereichs ein für die Verfahren geeigneter homogener Datenbestand erstellt werden muß. Dies macht üblicherweise einen Großteil des Arbeitsaufwandes aus. Zweitens ist die optimale Beantwortung einer bestimmten Frage normalerweise nicht durch ein einzelnes Verfahren möglich, sondern erfordert die Kombination der Stärken verschiedener Verfahren mit zur Verfügung stehendem Hintergrundwissen. Auch dies wird üblicherweise von einem Data-Mining-Experten weitgehend manuell und entsprechend arbeitsaufwendig durchgeführt. Die beiden oben geschilderten Probleme können nicht in einem allgemeinen, allumfassenden und für alle möglichen Anbwendungsbereiche verwendbaren Information-Mining-System gelöst werden. Ziel des hier vorgeschlagenen Teilantrags ist es stattdessen, Methoden- und Systemarchitekturen zu entwickeln, die es gestatten, bei der Konstruktion eines Information-Mining-Systems für einen bestimmten Anwendungsbereich das Heterogenitäts- und das Integrationsproblem so effektiv zu lösen, daß mit geringem Zeitaufwand ein dem Sachbereich angepaßtes, benutzerfreundliches und einfach zu wartendes System aufgebaut werden kann. Zum Erreichen dieser Ziele kommen sowohl klassische softwaretechnische als auch methodisch-algorithmische Mittel zum Einsatz. Auf der Ebene der Softwarearchitekturforschung wird das Teilprojekt auf existierende Softwareintegrationsansätze aufsetzen und nachweisen, wie diese im Kontext des Information Mining zu verbinden und zu verändern sind. Zur empirischen Evaluierung wird aus einer existierenden, als Vorarbeit eingebrachten Data-Mining-Plattform ein Softwarebaukasten entwickelt, in den Analyse- und Datenzugriffsmethoden unterschiedlicher Art aus den Vorarbeiten der Antragsteller leicht eingebracht und unter Nutzung von Metadaten zu einer spezialisierten vertikalen Lösung verbunden werden können. Auf der Ebene der Methodenarchitekturforschung wird dies ergänzt durch die Entwicklung eines Architekturkonzeptes für die Integration hybrider Analysmethoden, mit dem die Stärken unterschiedlicher Analysetechniken applikationsspezifisch genutzt werden können. Hier sind bisherige Einzelansätze geeignet zu verallgemeinern und nachzuweisen, mit welchen Verbindungskonzepten eine ausreichende Mächtigkeit und Flexibilität bei einfacher Nutzung erreicht werden kann. Das vorgeschlagene Konzept wird bei der Zusammenstellung geigneter hybrider Methoden für die Anwendungsbereiche des Paketantrages empirisch validiert. Im Gesamtergebnis wird das Teilprojekt also sowohl auf der Ebene der vertikalen Gesamtlösungen als auch auf der Ebene der hybriden Methoden eine fundierte und empirisch validierte Antwort auf die Frage nach geeigneten Softwarearchitekturen für die Intregration hybrider und heterogener Komponenten in Information-Mining-Systemen liefern, die durch entsprechende Prototypen unterfüttert wird.