„Environment for DeveLoping KDD-Applications Supported by Index-Structures“ – Versionsunterschied
| [gesichtete Version] | [gesichtete Version] |
K →Lizenz: typo |
Chire (Diskussion | Beiträge) K Add DOI for ELKI 0.3 publication |
||
| Zeile 60: | Zeile 60: | ||
| Verlag=Spinger-Verlag |
| Verlag=Spinger-Verlag |
||
| Jahr=2010 |
| Jahr=2010 |
||
| DOI=10.1007/978-3-642-12098-5_34 |
|||
| DOI= |
|||
}}</ref> |
}}</ref> |
||
Version vom 20. April 2010, 14:53 Uhr
Environment for DeveLoping KDD-Applications Supported by Index-Structures (ELKI), auf Deutsch etwa „Umgebung zur Entwicklung von Wissensentdeckung-Anwendungen mit Indexstruktur-Unterstützung“, ist ein Forschungsprojekt des Datenbanken-Lehrstuhls von Professor Hans-Peter Kriegel an der Ludwig-Maximilians-Universität München.
Es handelt sich um ein in Java geschriebenes, modulares Softwarepaket zur Knowledge Discovery in Databases. Der Fokus liegt auf Verfahren zur Clusteranalyse, Ausreißer-Erkennung[1] sowie der Verwendung von Indexstrukturen in solchen Verfahren. Als Forschungsprojekt einer Universität liegt der Fokus auf einer einfachen Erweiterbarkeit, Lesbarkeit und in der Verwendung in Forschung und Lehre an der Universität, nicht in maximaler Geschwindigkeit oder in der Integration mit bestehenden Business-Intelligence-Anwendungen. So verfügt bisher beispielsweise keine der freigegebenen Versionen über eine Datenbankschnittstelle zu bestehenden industriellen Datenbank-Systemen, und eine Verwendung der Software setzt Vorwissen und ein Lesen der Dokumentation voraus. Die Zielgruppe für das Projekt sind Forscher, Studenten und Software-Entwickler.
Die modulare Architektur der Software erlaubt zahlreiche Kombinationen der enthaltenen Algorithmen, Datentypen, Distanzmaßen und Indexstrukturen. Bei der Entwicklung neuer Verfahren oder Distanzen kann daher das neue Modul einfach mit den bestehenden Modulen kombiniert und evaluiert werden. Die Visualisierungs-Module erlauben es dabei oft, die Ergebnisse einfach darzustellen und so zu vergleichen. Der Entwicklungsaufwand und die Entwicklungszeit solcher Module wird durch die Wiederverwendung bestehenden Programmcodes erheblich vereinfacht, so dass die Software gut als Basis für Seminar-, Diplom- und Master-Arbeiten verwendet werden kann.
| Environment for DeveLoping KDD-Applications Supported by Index-Structures | |
|---|---|
| Basisdaten
| |
| Entwickler | Ludwig-Maximilians-Universität München |
| Aktuelle Version | 0.3.0 (30. März, 2010) |
| Betriebssystem | Linux, Macintosh, Windows |
| Programmiersprache | Java |
| Kategorie | Data Mining, Forschung, Mathematik, Statistik, Bioinformatik, Chemoinformatik |
| Lizenz | unbekannt |
| www.dbs.ifi.lmu.de/research/KDD/ELKI | |
Lizenz
Auf der Webseite wird keine Lizenz für die Software angegeben. Eine Verwendung ist daher nur nach expliziter Lizenzierung bei den Autoren möglich. Da es sich um ein universitäres Projekt handelt, ist eine Verwendung und Weiterentwicklung in der Forschung (insbesondere auch in Seminar-, Diplom- und Masterarbeiten) nicht an monetäre Forderungen gekoppelt; in jedem Falle sollte man die Autoren jedoch kontaktieren und geeignet zitieren. Die Webseite enthält auch den Quelltext, was zum Studium und der Erweiterung der enthaltenen Algorithmen einlädt.
Versionsgeschichte
Version 0.1 (Juli 2008) enthielt bereits zahlreiche Algorithmen aus den Bereichen Clusteranalyse und Ausreißer-Erkennung, sowie einige Indexstrukturen wie den R*-Baum. Der Fokus des ersten Releases war auf Subspace-Clustering-Verfahren. [2]
Version 0.2 (Juli 2009) fügte Funktionen zur Zeitreihenanalyse hinzu, insbesondere Distanzfunktionen hierfür. [3]
Version 0.3 (März 2010) erweiterte die Auswahl an Outlier-Detection-Algorithmen und Visualisierungsmodule. [4]
Verwandte Anwendungen
- WEKA Ein ähnliches Projekt der Universität Waikato, mit einem Schwerpunkt auf Klassifizierungs-Algorithmen.
- RapidMiner eine frei und kommerziell verfügbare Anwendung mit dem Schwerpunkt maschinelles Lernen.
Weblinks
Referenzen
- ↑ Hans-Peter Kriegel, Peer Kröger, Arthur Zimek: Outlier Detection Techniques. Tutorial. In: 13th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD 2009). Bangkok, Thailand 2009 (lmu.de [PDF; abgerufen am 26. März 2010]).
- ↑ Elke Achtert, Hans-Peter Kriegel, Arthur Zimek: ELKI: A Software System for Evaluation of Subspace Clustering Algorithms. In: Proceedings of the 20th international conference on Scientific and Statistical Database Management (SSDBM 08). Springer-Verlag, Hong Kong, China 2008, doi:10.1007/978-3-540-69497-7_41 (lmu.de [PDF]).
- ↑ Elke Achtert, Thomas Bernecker, Hans-Peter Kriegel, Erich Schubert, Arthur Zimek: ELKI in time: ELKI 0.2 for the performance evaluation of distance measures for time series. In: Proceedings of the 11th International Symposium on Advances in Spatial and Temporal Databases (SSTD 2010). Springer-Verlag, Aalborg, Dänemark 2009, doi:10.1007/978-3-642-02982-0_35 (lmu.de [PDF]).
- ↑ Elke Achtert, Hans-Peter Kriegel, Lisa Reichert, Erich Schubert, Remigius Wojdanowski, Arthur Zimek: Visual Evaluation of Outlier Detection Models. In: 15th International Conference on Database Systems for Advanced Applications (DASFAA 2010). Spinger-Verlag, Tsukuba, Japan 2010, doi:10.1007/978-3-642-12098-5_34.