Zurück zur Übersicht

Bestimmung interessanter zeitlicher Zusammenhänge für Temporal Data Mining

author/s: Tim Schlüter
type:Inproceedings
editor:Hagen Höpfner, Friederike Klan
booktitle:Proceedings of the 20th GI-Workshop on Foundations of Databases (Grundlagen von Datenbanken), Apolda, Germany, May 13-16, 2008
pages:46-50
month:May
year:2008
ISSN:1861-9231
language:German
Abstract

Data Mining beschäftigt sich mit der Analyse großer Datenmengen mit dem Ziel, neues Wissen semi-automatisch aus bekannten Daten zu gewinnen. Der Bereich des Temporal Data Mining behandelt solche Datenmengen, bei denen das Attribut Zeit ausgezeichnet ist, um speziell zeitliche Zusammenhänge zu erkennen. Das grundlegende Problem ist dabei das Finden dieser Zusammenhänge und der zeitlichen Intervalle, in denen sie auftreten. Wir stellen ein Verfahren vor, das eine Transaktionsdatenbank reorganisiert, indem in einem einzigen Datenbank-Scan ein erweiterter P-Baum konstruiert wird, mit dessen Hilfe Zusammenhänge und die zugehörigen zeitlichen Intervalle effizient gefunden werden können.

Heinrich Heine Universität

Datenbanken und Informationssysteme

Lehrstuhlinhaber

Prof. Dr. Stefan Conrad


Universitätsstr. 1
40225 Düsseldorf
Gebäude: 25.12
Etage/Raum: 02.24
Tel.: +49 211 81-14088
Fax: +49 211 81-13463

Sekretariat

Sabine Freese


Sprechzeiten:
Mo-Fr: 10:00-11:30 Uhr
Mo-Do: 13:00-14:30 Uhr


Universitätsstr. 1
40225 Düsseldorf
Gebäude: 25.12
Etage/Raum: 02.22
Tel.: +49 211 81-11312
Fax: +49 211 81-13463
Verantwortlich für den Inhalt:  E-Mail senden WE Informatik