Clusteranalyse (WS 00/01)

Dr. Thomas Runkler

Bereich: prüfbare Vorlesung im Bereich 1.4 Künstliche Intelligenz / Maschinelles Lernen

Zeit: Montag 8.30 (s.t.) - 10.00

Ort: Hösaal 2770

Beginn: 23.10.2000

Inhalt:

Clusteranalyse gehört zu den wichtigsten Methoden der Datenanalyse und Mustererkennung. Ziel ist es, Strukturen in Daten zu erkennen, also transparente und wissensbasierte Repräsentationen der in Datensätzen inhärent enthaltenen Information zu lernen. Neben den eigentlichen Algorithmen zur Clusteranalyse spielen dabei insbesondere Methoden zur Vor- und Nachverarbeitung aus dem Kontext des Data Mining eine Rolle. Clusteranalyse wird heute in zahlreichen realen Anwendungen eingesetzt. Die Anwendungsfelder reichen von der Klassifikation und Approximation bis hin zur Wissensextraktion und zur Erkennung geometrischer Muster in der Bild- und Datenverarbeitung. In der Vorlesung werden die wichtigsten Algorithmen der Clusteranalyse vorgestellt und anhand einiger Anwendungsbeispiele aus Siemens-Projekten vertieft.

  1. Einführung
  2. grundlegende Clusteralgorithmen
  3. lineare und ellipsoide Prototypen
  4. Erkennung komplexerer Formen (Ellipsen, Hüllen, Polygone)
  5. Modelle zur Clusterschätzung
  6. Clustervalidität und Clustertendenz
  7. Wissensextraktion und Regelerzeugung
  8. alternative Ansätze: radiale Basisfunktionen und Kohonen-Netze
  9. Anwendungsbeispiele

Hörerkreis: Studenten des Hauptstudiums der Informatik, der Elektrotechnik oder der Physik.

Voraussetzungen: keine

Ohne Schein, Ohne Übungen

Literatur: (begleitende Literatur, kein Ersatz zum Besuch der Vorlesung)

Sprechstunde: nach Vereinbarung und nach der Vorlesung.

Zusatzinformationen: (zur Informatik und dem Informatikstudium allgemein)


webmaster@wwwbrauer
Last modified: Mon Jun 18 13:02:46 2001