Data Mining mit genetischen Algorithmen - Buhr, Carl-Christian

. .

Résumé :
Inhaltsangabe:Einleitung: Data Mining (DM) ist ein Oberbegriff f?r eine Reihe von Verfahren, die zur automatischen Gewinnung von Informationen aus gro?en Datenmengen dienen. Genetische Algorithmen (GA) sind Such- und Optimierungsverfahren, die in Analogie zur biologischen Evolution arbeiten und f?r DM-Aufgaben eingesetzt werden k?nnen. Dies geschieht bislang nur sporadisch und an untergeordneter Stelle. Die steigende Verf?gbarkeit leistungsstarker Hardware und paralleler Systemarchitekturen machen die Benutzung von GA aber auch f?r die routinem??ig anfallenden Aufgaben der Datenanalyse immer interessanter. Das Ziel der Arbeit ist die Untersuchung von GA als L?sungsverfahren f?r typische DM-Aufgaben der Unternehmenspraxis. Dazu wird zum einen die prinzipielle Vorgehensweise beim Erf?llen von DM-Aufgaben mit GA diskutiert. Eine Analyse von DM-Aufgaben f?hrt dar?ber hinaus zu einer Systematisierung in mehrere Aufgaben-Klassen, die sich hinsichtlich ihrer Relevanz f?r unternehmerische Fragestellungen unterscheiden. F?r die wichtigsten dieser Klassen werden konkrete GA-Konfigurationen vorgeschlagen und anschlie?end anhand von Beispieldaten in mehreren Experimenten erprobt, um auf empirischem Wege Hinweise auf ihre Brauchbarkeit zu gewinnen. Dem potentiellen Benutzer werden die Potentiale von GA zum DM verdeutlicht und dar?ber hinaus Hilfestellungen gegeben, die eine praktische Anwendung dieser Methode erleichtern. Inhaltsverzeichnis:Inhaltsverzeichnis: 1.Einleitung1 1.1Motivation1 1.2Problemstellung2 1.3Gang der Untersuchung2 2.Data Mining - Grundlagen und Methoden3 2.1Formalisierungen3 2.2Begriffsabgrenzung4 2.3Einflussfaktoren f?r die Methodenwahl6 2.4Unterschiedliche Daten6 2.5Unterschiedliche Ziele7 2.5.1?bersicht7 2.5.2Ableitungsvorschriften8 2.5.3Verkn?pfungsregeln10 2.5.4Segmentierung13 2.5.5Datenbeschreibung14 2.6Ausgew?hlte Verfahren des Data Mining15 2.6.1?bersicht15 2.6.2Market Basket Analysis16 2.6.3Regelinduktion18 2.6.4Case-based Reasoning20 2.6.5Neuronale Netze22 2.6.6Bayes-Netze24 2.6.7Rough Set Theory26 2.6.8Explorative Datenanalyse27 2.7Logische Grenzen der Aussagef?higkeit entdeckter Muster28 3.Genetische Algorithmen30 3.1?berblick30 3.2Parallelen zur Evolutionstheorie32 3.3Problemrepr?sentation33 3.3.1Bitkodierung33 3.3.2Andere Kodierungsm?glichkeiten35 3.3.3Suchraum und [?]