Information Mining mit Neuro-Fuzzy-Systemen

 

Prof. Dr. Rudolf Kruse, Fakultät für Informatik, OvG-Universität Magdeburg

 

GI-Regionalgruppenveranstaltung Bremen/Oldenburg, 14.12.1999

 

Unter Data Mining versteht man die Anwendung verschiedenster Modellierungs- und Entdeckungstechniken, um neue, unerwartete, valide, verständliche und anwendbare Informationen aus umfangreichen Datensammlungen zu gewinnen. Die Ziele des Data Mining sind unter anderem Segmentierung, Klassifikation, Prognose, Konzeptbeschreibung, Abweichungserkennung und Abhängigkeitsanalyse. Zum Einsatz gelangen neben Methoden aus dem Datenbankbereich (Data Warehousing) und der Statistik (explorative Datenanalyse) auch immer häufiger Nicht-Standardansätze aus verschiedensten Bereichen wie der Neuronalen Netze, des Maschinellen Lernens (z.B. Entscheidungsbäume und induktive logische Programmierung) und der Fuzzy–Systeme. Diese Verfahren sind insbesondere oft wegen Ihrer Einfachheit bei den Endanwendern sehr beliebt. Es gibt mittlerweile einige Standardisierungsvorschläge, die den gesamten Prozeß des "Wissenserwerbs aus Datenbanken" unterstützen, wie z.B. das von zahlreichen Firmen genutzte CRISP Modell (Cross Industry Standard Process for Data Mining). Beim neuen Forschungsgebiet des Information Mining werden zusätzlich heterogene Informationsquellen wie Bilder, textuelle Beschreibungen oder auch dasVorwissen von Experten genutzt.

 

In diesem Vortrag werden neue Methoden für das Information Mining aus den Gebieten der Fuzzy-Clusteranalyse, der Neuro-Fuzzy-Systeme und der Possibilistischen Netze vorgestellt, die in Kooperation mit verschiedenen Industriefirmen entwickelt und erfolgreich eingesetzt wurden.