Diplomarbeit
Entdeckung und Beschreibung von spatio-temporalen
Strukturen in diskreten Räumen
Inhalt
Spatio-temporale Strukturen sind räumliche Muster, die im Laufe der
Zeit entstehen und Veränderungen etwa in Form, Größe oder
des Ortes unterliegen können. Beispiele hierfür sind die Entwicklung
von Flächenbränden, Wolkenbildern oder Städten genauso wie
von biologischen Strukturen wie z.B. Zellverbänden oder der Ausbreitung
von Populationen.




Bild 1: Beispiel fuer die Entwicklung eines Clusters
Problemstellung
Diese Prozesse sollen mit Hilfe von Methoden aus dem Bereich des »Knowledge
Discovery in Databases« (KDD) entdeckt, beschrieben und erklaert
werden.
Da geeignete Datensätze nur schwer verfügbar sind wird mit
Hilfe von Simulationen zweidimensionaler zellulaerer Automaten (CA, siehe
Bild 1) entsprechendes Material erzeugt.
Die Arbeit besteht aus drei Teilen:
Lösungsansatz
Im ersten Teil wird zunaechst der Begriff des Wissens aus unterschiedlichen
Perspektiven beleuchtet, dann eine Einfuehrung in das Gebiet des KDD gegeben
und schliesslich ein Konzept fuer das Entdecken spatio-temporalen Wissens
vorgestellt.
Die Vorbereitung der Daten umfasst ein objekt orientiertes Modell zum
spaeteren effizienten Arbeiten auf abstrakten Datenstrukturen, wie z.B.
Clustern oder Entropieverlaeufen.
Im letzten Teil werden unterschiedliche Ideen zur Entdeckung statistischer
Zusammenhaenge in den aufbereiteten Daten entwickelt und implementiert.
Beispiele hierfuer sind die Klassifikation entdeckter Strukturen mittels
eines Aehnlichkeitsmasses oder die Abhaengigkeit der Anzahl der Cluster
von der Zeit, der Clustergroesse oder anderen Merkmalen.
Ziel
Es sollen das sehr junge Forschungsgebiet
des raum-zeitlichen Dataminings vorgestellt und Vorschlaege zur Loesung
relevanter Probleme diskutiert und effizient implementiert werden.
Tools
CA
Personen
Bearbeiter |
Claus Gwiggner |
Betreuer |
Dr. Jörg Sander |
Arbeitsplan
Arbeitsabschnitt |
Zeitbedarf |
Konzeptionelles Arbeiten, Literaturrecherche |
3-4 Wochen |
Entwicklung und Implementierung des vorbereitenden
Modells |
2 Wochen |
Entwicklung und Implementierung von spatio
temporalen Data Mining Algorithmen |
8 - 10 Wochen |
Schriftliche Ausarbeitung |
8 Wochen |
Homepages:
DBS
Institut
LMU
14.5.00 Claus Gwiggner