Lernen von Modellen in Parallelen Universen

平行宇宙中的学习模型

• 批准号: 64079509
• 负责人: Professor Dr. Michael R. Berthold
• 金额: --
• 依托单位: Arbeitsgruppe Bioinformatik und Information Mining
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2008
• 资助国家: 德国
• 起止时间: 2007-12-31 至 2010-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/64079509?language=en
• 关键词: Lernen; von; Modellen; Parallelen; Universen

Im Rahmen des beantragten Projekts sollen neue Data Mining Verfahren für Daten, beschrieben in verschiedenen Darstellungsräumen, so genannten Parallelen Universen, neu entwickelt und untersucht werden. Ziel der neuen Verfahren ist es, Modelle zu generieren, die interessante Strukturen in den Daten, verteilt auf verschiedene Beschreibungsräume darstellen. Die gefundenen Modelle bestehen also aus Teilen, die in jeweils unterschiedlichen Universen gültig sind und zusammen die den gesamten Daten zugrunde liegende Struktur beschreiben. Dazu sollen zunächst Clusterverfahren erweitert werden, um in Parallelen Universen gleichzeitig Gruppierungen ähnlicher Objekte zu finden. Die bekannten Probleme der klassischen Clusterverfahren (Clusterzahl, Ausreißertoleranz) treten hierbei verschärft auf und müssen daher gesondert gelöst werden. Die entwickelten Verfahren sollen im Rahmen existierender Forschungskollaborationen an realen Datensätzen evaluiert werden.

Im Rahmen des beantragten Projekts sollen neue Data Mining Verfahren für Daten，beschrieben in verbandedenen Darstellungsräumen，so genannten schoolen Universen，neu entwickelt und untersucht韦尔登. Ziel der neuen Verfahren is es，Modelle zu generieren，die interessante Strukturen in den Daten，vertilt auf verticaledene Beschreibungsrästarstellen.该模型也是由Teilen建立的，在Jeweils Unterschedlichen Universen中，该模型是由结构化的数据组成的。因此，我们必须韦尔登数学，然后在大学里寻找数学目标。分类公差（公差，Ausreißertoleranz）的已知问题首先是由上到下的变化，然后是由下到上的韦尔登。在拉曼光谱研究中，需要对数据进行真正的韦尔登。