Das Buch behandelt die wichtigsten Methoden zur Erkennung und Extraktion von "Wissen" aus numerischen und nichtnumerischen Datenbanken in Technik und Wirtschaft. Hierzu gehören Algorithmen zur Vorverarbeitung, Aufbereitung, Visualisierung und Analyse von Daten. Neben linearen statistischen Methoden werden moderne Verfahren aus den Gebieten Clusteranalyse, Fuzzy-Logik, Neuroinformatik, maschinelles Lernen, Entscheidungsbäume und Agentensysteme vorgestellt. Die praktische Umsetzung der Datenanalyse wird anhand realer Anwendungsprojekte aus der Prozeßtechnik, Netzwerktechnik, Bildverarbeitung und Marketing erläutert. Der Leser lernt die Motivation und Grundlagen der unterschiedlichen Datenanalysemethoden kennen und wird in die Lage versetzt, diese in eigenen Projekten erfolgreich einzusetzen.

"Das Buch ist spannend zu lesen. Der verständliche und konzentrierte Stil mit den vielen Literaturhinweise und die Algorithmen laden zum Ausprobieren und Weiterlesen ein." Prof. Dr. H.-J. Appelrath, Universität Oldenburg

Vorwort
Von Daten zum Wissen

Autorentext

Thomas A. Runkler ist Principal Research Scientist der Siemens AG in München und lehrt Data Mining an der Fakultät für Informatik der Technischen Universität München.

Inhalt
1 Der DatenanalyseProzess.- 2 Datencharakteristika und Fehlerquellen.- 2.1 Maßskalen.- 2.2 Matrixdarstellung numerischer Daten.- 2.3 Relationen.- 2.4 Relationen für Textdaten.- 2.5 Abtastung und Quantisierung.- 3 Datenvorverarbeitung.- 3.1 Zufällige und systematische Fehler.- 3.2 Erkennung von Ausreißern.- 3.3 Ausreißerbehandlung.- 3.4 Filterung von Zeitreihen.- 3.5 Standardisierung.- 3.6 Data Warehousing.- 4 Datenvisualisierung.- 4.1 Hauptachsentransformation.- 4.2 Mehrdimensionale Skalierung.- 4.3 Selbstorganisierende Karte.- 4.4 Mehrschichtiges Perzeptron.- 4.5 Spektralanalyse.- 5 Datenanalyse und Modellierung.- 5.1 Korrelation.- 5.2 Regression.- 5.3 Modellierung und Validierung.- 5.4 Klassifikation.- 5.5 Entscheidungsbäume.- 5.6 Clustering.- 5.7 Verteilte Agentensysteme.- 5.8 Clustering für Entscheidungsbäume.- 5.9 Regelerzeugung.- 5.10 Radiale Basisfunktionen.- 5.11 Neuronales Gas.- 5.12 Relationale Datenanalyse.- 6 Anwendungsbeispiele.- 6.1 Prozesstechnik.- 6.2 Vernetzte Systeme.- 6.3 Bildverarbeitung.- 6.4 Marketing.- 7 Zusammenfassung.- Übungsaufgaben.- Symbolverzeichnis.