130 likes | 215 Views
Z8119 Vyhledávání znalostí v prostorových datech. metody dolování ze strukturovaných geografických dat přednáška 2 h, pondělí 1 4 -1 5 ,40 Z4, cvičení 1h projekt klasifikovaný zápočet http://www.fi.muni.cz/~popel/lectures/geomining/
E N D
Z8119 Vyhledávání znalostí v prostorových datech • metody dolování ze strukturovaných geografických dat • přednáška 2h, pondělí 14-15,40 Z4, cvičení1h projekt • klasifikovaný zápočet • http://www.fi.muni.cz/~popel/lectures/geomining/ • Výzkumný záměr MŠM Dynamická geovizualizace v krizovém managementu
Obsah I Metody a systémy pro dolování • Vyhledávání znalostí v databázích • Základy strojového učení, učení s učitelem., učení bez učitele. Asociační pravidla. Induktivní logické programování • Systémy. Weka. R. Statistica, Orange, Clementine, Microsoft, MineSet • Metody předzpracování dat • Jazyky pro dolování v datech
Obsah I I Dolování ve strukturovaných datech • Dolování v objektově orientovaných databazích, v textu a hypertextu • Logiky pro prostorová a časově-prostorová data • Dolování v geografických datech. Rastrová a vektorová data. Hledání asociačních pravidel • Systémy: GeoMiner. GWiM. SPADA
Obsah I I I GRR • Struktura, GIS GRASS • Příprava a předzpracování dat • Analytické metody • Experimenty s GRR
Obsah I V Vizualizace a krizový management • Vizualizace geografických dat. CommonGIS (Fraunhoffer Institut Bonn) • Krizový management a EU projekt EGERIS • Výzkumný záměr MŠM Dynamická geovizualiizace v krizovém managementu
Obsah V Projekty KD Labu FI • Analýza satelitních snímků • Vichřice v českých zemích • Analýza textů o záplavách
Literatura Petr Berka, Dobývání znalostí z databází. Academia, 2003. Tom Mitchell, Machine Learning, McGraw-Hill, 1997. Jiawei Han and Micheline Kamber, Data Mining: Concepts and Techniques. Academic Presss 2001. Natalia and Gennady Andrienko, Exploratory Analysis of Spatial and Temporal Data. Springer 2005.
Vyhledávání znalostí v databázích Datový sklad Výběr dat Předzpracování dat Data mining Vyhodnocení výsledku
Strojové učení I Tom, Mitchel, Machine Learning, 1993 • učicí množina příkladů • hledáme generalizaci učicí množiny • ověřujeme na testovací množině Statistické metody, explorační analýza dat a strojové učení
Strojové učení II Učení s učitelem(supervised learning) klasifikační úlohy, učicí příklady jsou klasifikovány do tříd (diskrétních či spojitých) Učení bez učitele (unsupervised learning) shlukování podobných objektů Deskriptivní úlohy (Agrawal 91) „A a B a C platí často“ často = častěji než daná mez „platí-li D a E, pak platí F“ (support,konfidence)
Učení s učitelem I supervised learning klasifikace (dokumentů, slov) do předem známých tříd • rozhodovací stromy, pravidla (Quinlan 93) • učení z instancí (Timbl, http://ilk.kub.nl/software.html) • bayesovské učení (Mitchell 93) • support vector machines (Bennett00, Cristianini00) • neuronové sítě (Hassoun95)