Information Mining

1 Der Datenanalyse-Prozess.
2 Datencharakteristika und Fehlerquellen.
2.1 Maßskalen.
2.2 Matrixdarstellung numerischer Daten.
2.3 Relationen.
2.4 Relationen für Textdaten.
2.5 Abtastung und Quantisierung.
3 Datenvorverarbeitung.
3.1 Zufällige und systematische Fehler.
3.2 Erkennung von Ausreißern.
3.3 Ausreißerbehandlung.
3.4 Filterung von Zeitreihen.
3.5 Standardisierung.
3.6 Data Warehousing.
4 Datenvisualisierung.
4.1 Hauptachsentransformation.
4.2 Mehrdimensionale Skalierung.
4.3 Selbstorganisierende Karte.
4.4 Mehrschichtiges Perzeptron.
4.5 Spektralanalyse.
5 Datenanalyse und Modellierung.
5.1 Korrelation.
5.2 Regression.
5.3 Modellierung und Validierung.
5.4 Klassifikation.
5.5 Entscheidungsbäume.
5.6 Clustering.
5.7 Verteilte Agentensysteme.
5.8 Clustering für Entscheidungsbäume.
5.9 Regelerzeugung.
5.10 Radiale Basisfunktionen.
5.11 Neuronales Gas.
5.12 Relationale Datenanalyse.
6 Anwendungsbeispiele.
6.1 Prozesstechnik.
6.2 Vernetzte Systeme.
6.3 Bildverarbeitung.
6.4 Marketing.
7 Zusammenfassung.
Übungsaufgaben.
Symbolverzeichnis.

Dr.-Ing. Thomas A. Runkler ist Entwicklungsingenieur in der Zentralabteilung Technik der Siemens AG in München und lehrt an der Fakultät für Informatik der Technischen Universität München.

"Das Buch ist spannend zu lesen. Der verständliche und konzentrierte Stil mit den vielen Literaturhinweise und die Algorithmen laden zum Ausprobieren und Weiterlesen ein." Prof. Dr. H.-J. Appelrath, Universität Oldenburg