Similarity-Search und Data-Mining auf Multimediadaten

Die Anzahl an Multimediadaten, besonders im Audio- und Videobereich, steigt rapide an. Aufgrund des riesigen Umfangs ist eine manuelle Analyse bzw. Suche auf diesen Datenmengen nicht mehr möglich. Es ist deshalb naheliegend, Multimediadaten in einer Datenbank abzulegen. Dabei muss die Datenbank mit den verschiedenen Datentypen und deren Besonderheiten umgehen können.
Multimediadaten haben gemeinsam, dass ihr Inhalt als Informationsquelle angesehen werden kann. Einige Typen von Multimediadaten sind z.B. Audio, Video, Biomoleküle oder CAD-Bauteile. Metadaten können den eigentlichen Inhalt all dieser Daten meist nur unvollständig beschreiben. Die Art der Beschreibung hängt dabei hauptsächlich vom jeweiligen Datentyp oder von der Anfrage ab. Während beispielsweise bei Bildern der Inhalt durch Form und Farbe beschreibbar ist, steht bei Audiodaten die zeitliche Abfolge von Tönen im Vordergrund.
Die Kombination mehrerer Medien in Form von Videoclips stellt wesentlich höhere Anforderungen an Such- und Data-Mining Algorithmen. Beispielsweise müssen Clustering- und Klassifikations-Methoden die temporäre Komponente und die Relevanz der verschiedenen Medien bei der Anfrage besonders berücksichtigen.

In diesem Projekt sollen eine effiziente Ähnlichkeitsanfrage und/oder Data-Mining Methoden auf Multimediadateien entwickelt werden. Dazu wird zuerst eine Software erstellt, die Features aus Multimediadaten extrahiert und als Zeitreihen in einer Datenbank ablegt. Danach wird unter Benutzung dieser Features ein Ähnlichkeitsmaß auf Multimediadaten entwickelt. Für eine effiziente Ähnlichkeitsanfrage bzw. Data-Mining Algorithmen auf Zeitreihen sollen insbesondere die Verfahren verbessert werden, die bereits am Lehrstuhl entwickelt wurden.