Datenbanksysteme
Knowledge Discovery in Spatial Databases
Leitung
Prof. Dr. Hans-Peter Kriegel
Mitarbeiter
Dr. Martin Ester
Jörg Sander
Xiaowei Xu
Einführung
Die Zahl und die Größe von Geo-Datenbanken (Spatial Databases) [Gue 94] wächst rapide, da immer mehr Daten automatisch mit Hilfe von Erdbeobachtungssatelliten, Röntgenkristallographen oder ähnlichen Geräten gewonnen werden. Dieses Wachstum der Datenmengen macht es immer schwieriger, die Daten manuell zu analysieren und darin enthaltenes Wissen zu finden. Es wird deshalb immer wichtiger, diesen Prozeß der Analyse so weit wie möglich zu automatisieren. Knowledge Discovery (KDD) [FPM 91] in Spatial Databases ist die nicht-triviale Extraktion von implizitem, bisher unbekanntem aber potentiell nützlichem Wissen aus Geo-Datenbanken. Aufgaben des Knowledge Discovery sind z.B. das Identifizieren von Klassen (Clustering) oder das Finden von Assoziationen und Abweichungen in Geo-Datenbanken. Da diese Aufgaben sehr zeitaufwendig sind, ist es erwünscht, die Algorithmen möglichst inkrementell auszulegen, so daß bei Updates der Datenbank der Algorithmus nicht wieder auf die ganze Datenbank angewendet werden muß.
Themengebiete
- Clustering
- Klassifikation und Assoziation
- Inkrementelle Algorithmen
HOME Pages:
DBS
Institut
LMU
Bei Problemen oder Vorschägen schicken Sie bitte eine eMail an:
wwwmaster@dbs.informatik.uni-muenchen.de