Lehr- und Forschungseinheit für Datenbanksysteme Ludwig-Maximilians-Universität München
Institut für Informatik
Lehr- und Forschungseinheit für Datenbanksysteme		 University of Munich
Institute for Computer Science
Database and Information Systems

Hauptseminar im SS 2004

"Knowledge Discovery in Databases"

vorhergehende Semester:
[ WS03/04, SS2003, SS2002, WS01/02, SS2001, WS00/01, SS2000, WS99/00, SS99, SS97, SS96]

Ort und Zeit

Veranstaltung Zeit Ort Beginn
Seminar Mo, 8.30 - 10.00 Uhr Raum 1.35 (Oettingenstr. 67) 26.04.2004

Kurze Einführung

Knowledge Discovery in Databases (KDD) ist der Prozeß der (semi-)automatischen Extraktion von Wissen aus sehr großen Datenbanken, das gültig, unbekannt und nützlich ist. Die wesentlichste Komponente in diesem Prozeß ist das Data Mining, d.h. die Anwendung von effizienten Algorithmen, die die in der Datenbank enthaltenen Muster liefern. In diesem Seminar werden verschiedene aktuelle Forschungsarbeiten aus dem Bereich "Knowledge Discovery in Databases" behandelt. Schwerpunktmäßig werden wir uns mit Data Mining Algorithmen für komplexe Objekte und hochdimensionale Daten beschäftigen. Die Vortragszeit beträgt 45 min, darauf folgen 15 min Diskussion. Für den Erwerb des Scheins sind eine kurze schriftliche Zusammenfassung, ein erfolgreicher Vortrag sowie die aktive Teilnahme am Seminar Voraussetzung.

Vorbesprechung und Themenvergabe

Am 1. März 2004 Uhr fand um 13:00 Uhr im Raum 1.56 eine Vorbesprechung zum Hauptseminar statt. Dort wurden alle vorhandenen Themen vergeben.

Ansprechpartner: Karin Kailing, Zimmer E1.06, Tel. 2180-9325.

Zusätzliche Informationen

Voraussetzung

Ablauf

Betreuer:
Karin Kailing (KK), Peer Kröger (PK), Matthias Schubert (MS),

Datum Vortragender Literatur Folien /
Zusammenfassung		 Betreuer
19.04.2004 Christopher Hak entfällt Vortrag aus dem Hauptseminar im WS 03/04 S. Brecheisen
26.04.2004 Thomas Hubauer Hierarchical Document Clustering Using Frequent Itemsets (Fung, Wang, Ester: SDM 2003)   KK
03.05.2004 Saghir Youssef Data Bubbles for Non-Vector Data: Speeding-up Hierarchical Clustering in Arbitrary Metric Spaces (Zhou, Sander: VLDB 2003)   KK
10.05.2004 Hicham Laqtib Feature Selection for Clustering - A Filter Solution (Dash, Choi, Scheuermann, Liu: ICDM 2002)   KK
17.05.2004 Thomas Rickinger
Andreas Heindl		 Fast Algorithms for Projected Clustering (Aggarwal, Procopiuc, Wolf, Yu, Park: SIGMOD 1999)
Finding Generalized Projected Clusters in High Dimensional Spaces (Aggarwal, Yu: SIGMOD 2000)		   KK
KK
24.05.2004 Simone Gutjahr OP-Cluster:Clustering by Tendency in High Dimensional Space (Liu, Wang: ICDM 2003)   PK
07.06.2004 Daniel Benkmann MaPle: A Fast Algorithm for Maximal Pattern-based Clustering (Pei, Zhang, Cho, Wang, Yu: ICDM 2003)   PK
14.06.2004 Fareed Hamad Web Document Clustering: A Feasibility Demonstration (Zamir, Etzioni: SIGIR 1998)   PK
21.06.2004 Quian Zhu Computing Clusters of Correlation Connected Objects (Böhm, Kailing, Kröger, Zimek: SIGMOD 2004)   PK
28.06.2004 Xiao Tian Wei Efficient Nonlinear Dimension Reduction for clustered data using kernel functions (Park, Park: ICDM 2003)   MS
05.07.2004
wegen Krankheit entfallen
  MS
12.07.2004 Dulma Rodriguez
Christian Mahrt		 Ensembles of Learning Machines (Valentini, Masulli: WIRN 2002)
A new pairwise ensemble approach for text classification (Liu, Carbonell, Jin: ECML 2003)		   MS
MS
19.07.2004 Changyuan Qiu Visualization of Rule's Similarity using Multidimensional Scaling (Tsumoto, Hirano: ICDM 2003)   MS

Bei Problemen oder Vorschlägen wenden Sie sich bitte an: wwwmaster@dbs.informatik.uni-muenchen.de
Last Modified: