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

Block-Hauptseminar im Sommersemester 2009

"Outlier Detection"

vorhergehende Semester:
[ WS08/09, SS2008, WS07/08, SS2007, WS06/07, SS2006, WS05/06, SS05, WS04/05, SS04,
WS03/04, SS2003, SS2002, WS01/02, SS2001, WS00/01, SS2000, WS99/00, SS99, SS97, SS96 ]

Aktuelles

Inhalt

Outlier Detection ist ein Teilbereich des Knowledge Discovery in Databases. Ziel ist es, "Outlier" in einer großen Datenmenge automatisch aufzuspüren. Nach Hawkins (1980) ist ein Outlier "eine Beobachtung, die sich von den anderen Beobachtungen so deutlich unterscheidet, dass man denken könnte, sie sei von einem anderen Mechanismus generiert worden". Anwendungsgebiete für Outlier Detection Methoden sind u.a. das Entdecken von Kreditkarten-Missbrauch, das Entdecken von Messfehlern, etc. In diesem Hauptseminar lernen wir die Basis-Techniken zur automatischen Outlier Bestimmung in Datenbanken kennen.

Organisatorisches

Ansprechpartner:

Dr. Peer Kröger, Zimmer E1.08, Tel. 2180-9327,
Dr. Arthur Zimek, Zimmer E1.06, Tel. 2180-9325

Anmeldung

Die Anmeldung ist ab sofort möglich unter https://ibiza.dbs.ifi.lmu.de/anmeldung/anmelden.php?VID=1000148 bis 23.02.2009, 08:00 Uhr.
Sie benötigen für die Anmeldung eine gültige Kennung im CIP-Pool des Instituts für Informatik.
Die Teilnehmerzahl ist auf 12 begrenzt, es entscheidet die Reihenfolge der Anmeldungen.

Achtung: Da Themenvergabe und Vorbesprechung zunächst per E-Mail erfolgen, geben Sie bei der Anmeldung bitte eine E-Mail-Adresse an, die Sie regelmäßig abfragen!

Ablauf

Nach Anmeldeschluss erhält jeder Teilnehmer eine wissenschaftliche Veröffentlichung aus dem Bereich "Outlier Detection", die in der Seminarsitzung vorgestellt und diskutiert werden soll. Die Vortragszeit beträgt 25 Min., darauf folgen 10 Min. Diskussion. Für den Erwerb des Scheins sind

Voraussetzung. Die kurze schriftliche Zusammenfassung muss spätestens am Tag des Vortrags abgegeben werden.

Vorkenntnisse

Vorkenntnisse aus der Vorlesung Knowledge Discovery in Databases sind wünschenswert, aber nicht zwingend erforderlich.

Ort und Zeit

Dieses Hauptseminar findet im Sommersemester 2009 als Blockseminar statt. Die Teilnehmerzahl ist auf 12 begrenzt!

Veranstaltung Datum Zeit Raum
Blockseminar Tag 1 Donnerstag, 16.04.2009 13.00-18.00 Uhr 1.31 (Oettingenstr. 67)
Blockseminar Tag 2 Freitag, 17.04.2009 13.00-18.00 Uhr 1.31 (Oettingenstr. 67)

Programm

16.04.2009
1. Nina Dietsche [ArnAgrRag96] A. Arning, R. Agrawal, P. Raghavan: A linear method for deviation detection in large databases, Proc. ACM SIGKDD Int. Conf. on Knowledge Discovery and Data Mining (KDD'96), Portland, OR, 1996.
2. Sebastian Goebl [JohKwoNg98] T. Johnson, I. Kwok, R. Ng: Fast Computation of 2-Dimensional Depth Contours, Proc. ACM SIGKDD Int. Conf. on Knowledge Discovery and Data Mining (KDD'98), New York City, NY, 1998.
3. Ahmed Hettab [KnoNg98] E.M. Knorr, R. T. Ng: Algorithms for Mining Distance-Based Outliers in Large Datasets, Proc Int. Conf. on Very Large Databases (VLDB'98), New York, USA, 1998.
4. Matthias Kager [BreKriNgSan00] M. M. Breunig, H.-P. Kriegel, R. Ng, J. Sander: LOF: Identifying Density-Based Local Outliers, Proc. ACM SIGMOD Int. Conf. on Management of Data (SIGMOD'00), Dallas, TX, 2000.
5. Valerie Kroner [JinTunHan01] W. Jin, A. K. H. Tung, J. Han: Mining top-n local outliers in large databases, Proc. ACM SIGKDD Int. Conf. on Knowledge Discovery and Data Mining (KDD'01), San Francisco, CA, 2001.
6. Frederik Löffert [AngPiz02] F. Angiulli, C. Pizzuti: Fast Outlier Detection in High Dimensional Spaces, Proc. European Conference on Principles of Knowledge Discovery and Data Mining (PKDD'02), Helsinki, Finland, 2002.
7. Florian Nuecke [AggYu01] C.C. Aggarwal, P. S. Yu: Outlier Detection for High Dimensional Data, Proc. ACM SIGMOD Int. Conf. on Management of Data (SIGMOD 2001), Santa Barbara, CA, 2001.
8. Andrea Nutsi [BarDomRog06] D. Barbara, C. Domeniconi, J. P. Rogers: Detecting Outliers using Transduction and Statistical Testing, Proc. ACM SIGKDD Int. Conf. on Knowledge Discovery and Data Mining (KDD'06), Philadelhia, PA, 2006.
17.04.2009
9. Tobias Sattler [KohLeeHsuLam07] J. L. Y. Koh, M. L. Lee, W. Hsu, K. T. Lam: Correlation-Based Detection of Attribute Outliers, Proc. International Conference on Database Systems for Advanced Applications (DASFAA), Bangkok, Thailand, 2007.
10. Florian Schlegel [JinTunHanWan06] W. Jin, A. K. H. Tung, J. Han, W. Wang: Ranking outliers using symmetric neighborhood relationship, Proc. Pacific-Asia Conf. on Advances in Knowledge Discovery and Data Mining (PAKDD'06), Singapore, 2006.
11. Klaus Schmid [PapKitGibFal03] S. Papadimitriou, H. Kitagawa, P. B. Gibbons, C. Faloutsos: LOCI: Fast Outlier Detection Using the Local Correlation Integral, Proc. IEEE Int. Conf. on Data Engineering (ICDE'03), Bangalore, India, 2003.
12. Bastian Schultze [ZhaLouLinWan04] J. Zhang, M. Lou, T. W. Ling, H. Wang: HOS-Miner: A System for Detecting Outlying Subspaces of High-dimensional Data, Proc Int. Conf. on Very Large Databases (VLDB'04), Toronto, Canada, 2004.
[MueAssSteSei08] E. Müller, I. Assent, U. Steinhausen, T. Seidl: OutRank: ranking outliers in high dimensional data, Proc. International Conference on Data Engineering (ICDE) Workshop on Ranking in Databases (DBRank), Cancun, Mexico, 2008.
13. Bernhard Slawik [FanZaiFosWu06] H. Fan, O. R. Zaiane, A. Foss, J. Wu: A Nonparametric Outlier Detection for Effectively Discovering Top-N Outliers from Engineering Data, Proc. Pacific-Asia Conf. on Advances in Knowledge Discovery and Data Mining (PAKDD'06), Singapore, 2006.
14. Ulrich Tevi [PeiZaiGao06] Y. Pei, O. R. Zaiane, Y. Gao: An Efficient Reference-Based Approach to Outlier Detection in Large Datasets, Proc. IEEE Int. Conf. on Data Mining (ICDM'06), Hong Kong, China, 2006.
15. Alice Thudt [LeeHanLi08] J.-G. Lee, J. Han, X. Li: Trajectory Outlier Detection: A Partition-and-Detect Framework, Proc. IEEE Int. Conf. on Data Engineering (ICDE'08), Cancun, Mexico, 2008.
16. Matthias Walter [YuQiaLuZho06] J. X. Yu, W. Qian, H. Lu, A. Zhou: Finding centric local outliers in categorical/numerical spaces, Knowledge and Information Systems 9(3), 309-338, 2006.

Zusätzliche Informationen

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