Data-Mining von heterogenen Daten mit ART-(Adaptive Resonanz Theorie)-basiertem neuronalem Netz

点击翻译按钮获取中文摘要

Der Schwerpunkt des beantragten Projektes liegt in der Entwicklung eines neuen Data-Mining Systems für heterogene Daten, das auf einem neuronalen Netz der ART-(Adaptive Resonanz Theorie)-Familie basiert. Im Gegensatz zu bereits existierenden Ansätzen steht die Mehrfachklassifikation von heterogenen Daten im Vordergrund, wobei ein Objekt mehrere Klassenlabels hat. Das System soll auch die automatische Erstellung einer gemeinsamen Wissenshierarchie aus der Kombination verschiedener Datenquellen ermöglichen. Dadurch kann verborgenes Wissen aus heterogenen Daten abgeleitet werden und das Verständnis des Anwenders für Datenentstehungsprozesse wesentlich verbessert werden. Dieses Ziel ist von großer Bedeutung, weil in der Praxis für die Beschreibung eines Problems oft verschiedene Möglichkeiten existieren oder mehrere unabhängige Datenquellen zur Verfügung stehen. Die unterschiedlichen Beschreibungen lassen sich unter Umständen schwer kombinieren, aber sie ergänzen einander gegenseitig. Der Einsatz von konventionellen, auf der Analyse eines Datensatzes beruhenden Data-Mining Verfahren ist in diesem Fall unzureichend. Es sind neue Methoden erforderlich, die zusätzliche Information alternativer Datenquellen ausnutzen können. Die Mehrfachklassifikation und die Erkennung neuer, bislang unbekannter Zusammenhänge zwischen unterschiedlichen Beschreibungen eines Problemfeldes sind z.B. in molekularbiologischen Anwendungen entscheidend. In der funktionellen Genomik stehen beispielsweise mehrere Datenquellen zur Verfügung, die alle zur Analyse der Funktionalität von unbekannten Genen beitragen.