Data Mining und Ähnlichkeitssuche in unscharfen Datenbanken

Beispielszenario

Positionen von Handynutzern können über die Signalstärke zu verschiedenen Sendemasten abgeschätzt werden. Diese unscharfen Positionen können über eine Datenbank abgefragt werden. Wie können nun Anfragen (z.B. wer sind meine nächsten Nachbarn) und Data Mining Algorithmen (z.B. Clustering) behandelt und effizient unterstützt werden?

Problemstellung

Die Problematik des Suchens in unsicheren Datenbanken hat in den letzten Jahren stark an Bedeutung gewonnen. Einerseits ermöglicht die steigende Verfügbarkeit neuer Technologien zur Erfassung von Daten die Erhebung von Informationen in noch nie da gewesenem Ausmaß und Variabilität. Andererseits sind die gesammelten Informationen oft unvollständig, verrauscht oder aufgrund von Anonymisierung mit Unsicherheit behaftet. Viele Algorithmen für Datenbankanfragen lassen sich nicht ohne Effizienzeinbußen auf unscharfe Datenbanken übertragen. Deshalb erfordern unscharfe Datenbanken neue Algorithmen, die mit unsicheren Daten umgehen können.

Wir vergeben Projekt- und Diplom- bzw. Bachelor- und Masterarbeiten unter anderem in folgenden Teilprojekten:

• Reverse-Nearest-Neighbor Queries auf unscharfen Daten
• Probabilistic bzw. Uncertain Clustering
• Rankinganfragen auf unscharfen Objekten
• Unsichere Zeitreihen/Streams
• u.v.m.

Ansprechpartner

Thomas Bernecker, Tobias Emrich, Matthias Renz, Andreas Züfle