Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen:
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Buch |
| Sprache: | German |
| Veröffentlicht: |
1999
|
| Schlagworte: | |
| Online-Zugang: | Inhaltsverzeichnis |
| Beschreibung: | Jena, Univ., Diss., 1999 |
| Beschreibung: | 407, LXXXV Bl. graph. Darst. : 30 cm |
Internformat
MARC
| LEADER | 00000nam a22000001c 4500 | ||
|---|---|---|---|
| 001 | BV013089037 | ||
| 003 | DE-604 | ||
| 005 | 20000731 | ||
| 007 | t | ||
| 008 | 000328s1999 gw d||| m||| 00||| ger d | ||
| 016 | 7 | |a 958272018 |2 DE-101 | |
| 035 | |a (OCoLC)247240404 | ||
| 035 | |a (DE-599)BVBBV013089037 | ||
| 040 | |a DE-604 |b ger |e rakddb | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c DE | ||
| 049 | |a DE-N2 | ||
| 100 | 1 | |a Wittmann, Thomas |e Verfasser |4 aut | |
| 245 | 1 | 0 | |a Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen |c von Thomas Wittmann |
| 264 | 1 | |c 1999 | |
| 300 | |a 407, LXXXV Bl. |b graph. Darst. : 30 cm | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 500 | |a Jena, Univ., Diss., 1999 | ||
| 650 | 4 | |a Data Mining - Neuro-Fuzzy-System | |
| 650 | 4 | |a Wissensextraktion - Neuro-Fuzzy-System | |
| 650 | 0 | 7 | |a Data Mining |0 (DE-588)4428654-5 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Wissensextraktion |0 (DE-588)4546354-2 |2 gnd |9 rswk-swf |
| 650 | 0 | 7 | |a Neuro-Fuzzy-System |0 (DE-588)4560677-8 |2 gnd |9 rswk-swf |
| 655 | 7 | |0 (DE-588)4113937-9 |a Hochschulschrift |2 gnd-content | |
| 689 | 0 | 0 | |a Data Mining |0 (DE-588)4428654-5 |D s |
| 689 | 0 | 1 | |a Neuro-Fuzzy-System |0 (DE-588)4560677-8 |D s |
| 689 | 0 | |5 DE-604 | |
| 689 | 1 | 0 | |a Wissensextraktion |0 (DE-588)4546354-2 |D s |
| 689 | 1 | 1 | |a Neuro-Fuzzy-System |0 (DE-588)4560677-8 |D s |
| 689 | 1 | |5 DE-604 | |
| 856 | 4 | 2 | |m DNB Datenaustausch |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008915783&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 943 | 1 | |a oai:aleph.bib-bvb.de:BVB01-008915783 | |
Datensatz im Suchindex
| _version_ | 1812461115342323712 |
|---|---|
| adam_text |
SEITE I
GLIEDERUNGSUEBERSICHT
INHALTSVERZEICHNIS.II
ABBILDUNGSVERZEICHNIS.VIII
T ABEILEN VERZEICHNIS.XIII
ABKUERZUNGSVERZEICHNIS.-.XIV
KAPITELL EINLEITUNG.1
KAPITEL 2 DATA MINING FUER KLASSIFIKATIONSAUFGABEN MITTELS
ADAPTIVER REGELSYSTEME.31
2.1 GRUNDLAGEN DES DATA MINING FUER KLASSIFIKATIONSAUFGABEN.31
2.2 KLASSIFIKATION MIT ADAPTIVEN REGELSYSTEMEN, INSBESONDERE
NEURO-FUZZY SYSTEMEN.62
2.3 VERGLEICH DER KLASSIFIKATIONSVERFAHREN HINSICHTLICH IHRER
EIGNUNG IM DATA-MINING-EINSATZ. 137
2.4 ERARBEITUNG EINES FACHKONZEPTS FUER EIN KDD-SYSTEM
AUFBAUEND AUF EINEM NEURO-FUZZY-NUKLEUS.167
KAPITEL 3 VOR- UND NACHGELAGERTE SCHRITTE FUER NEURO-FUZZY
SYSTEME ZUR WISSENSENTDECKUNG IN DATENBANKEN.172
3.1 DATENSELEKTION UND -TRANSFORMATIONEN.173
3.2 BEHANDLUNG FEHLENDER WERTE.195
3.3 ATTRIBUTREDUKTION.257
3.4 TRAININGSSTICHPROBENAUSWAHL UND -ANREICHERUNG.299
3.5 MUSTEMACHBEARBEITUNG.330
3.6 UEBERFUEHRUNG DES FACHKONZEPTS IN EIN DV-KONZEPT.361
KAPITEL 4 EINSATZBEISPIELE ZUR WISSENSENTDECKUNG IN
DATENBANKEN MIT NEURO-FUZZY SYSTEMEN.365
KAPITEL 5 ZUSAMMENFASSUNG UND AUSBLICK. 396
LITERATURVERZEICHNIS
XVI
BIBLIOGRAFISCHE INFORMATIONEN
HTTP://D-NB.INFO/958272018
SEITE II
INHALTSVERZEICHNIS
ABBILDUNGSVERZEICHNIS.VIII
TABELLENVERZEICHNIS.XIII
ABKUERZUNGSVERZEICHNIS.XIV
KAPITEL 1 EINLEITUNG.1
1.1 ABLEITUNG DER AUFGABENSTELLUNG AUS DEM UNTERNEHMERISCHEN
WISSEN-HANDLUNG-
DATEN-ZYKLUS.2
1.2 DIE BEDEUTUNG UND BISHERIGE METHODEN DES DATEN-WISSEN-SUBPROZESSES.8
1.3 DAS FORSCHUNGSGEBIET DER WISSENSENTDECKUNG IN DATENBANKEN.13
1.4 BEISPIELE FUER WISSENSENTDECKUNG IN DATENBANKEN.17
1.5 ABLEITUNG DER WEITEREN VORGEHENSWEISE AUS DER PROZESSDEFMITION DER
WISSENSENTDECKUNG IN DATENBANKEN.22
1.6 AUFBAU DER ARBEIT.28
KAPITEL 2 DATA MINING FUER KLASSIFIKATIONSAUFGABEN MITTELS
ADAPTIVER REGELSYSTEME.31
2.1 GRUNDLAGEN DES DATA MINING FUER KLASSIFIKATIONSAUFGABEN.31
2.1.1 ABLEITUNG ADAEQUATER DATA-MINING-TECHNIKEN AUS DEM
BETRIEBSWIRTSCHAFTLICHEN
ANWENDUNGSPROBLEM.33
2.1.2 PARAMETRISCHE KLASSIFIKATIONSMETHODEN.39
2.1.3 NICHT-PARAMETRISCHE KLASSIFIKATIONSVERFAHREN (DICHTESCHAETZUNGEN)
UND
FALLBASIERTE METHODEN.'.41
2.1.4 DESKRIPTIVE METHODEN.43
2.1.5 KLASSISCHE INDUKTIVE STATISTISCHE VERFAHREN (DISKRIMINANZANALYSEN)
UND WEITERE
VERTEILUNGSFREIE STATISTISCHE ANSAETZE.45
2.1.6 METHODEN DER KUENSTLICHEN INTELLIGENZ UND DES MACHINE LEAMING.48
2.1.6.1 NEURONALE NETZE.48
2.1.6.2 ENTSCHEIDUNGSBAUMVERFAHREN.
55
2.1.6.3 REGELINDUKTIONSVERFAHREN.60
2.2 KLASSIFIKATION MIT ADAPTIVEN REGELSYSTEMEN, INSBESONDERE NEURO-FUZZY
SYSTEMEN.62
2.2.1 GRUNDLAGEN ADAPTIVER FUZZY-REGELSYSTEME.62
2.2.1.1 AUFBAU UND VORTEILE VON FUZZY-REGELSYSTEMEN.62
2.2.1.2 GRUNDLAGEN DER ADAPTION VON REGELSYSTEMEN.68
2.2.2 A-POSTERIORI-REGELEXTRAKTION AUS ADAPTIVEN SYSTEMEN.69
2.2.2.1 A-POSTERIORI-REGELEXTRAKTION AUF BASIS VON
DISKRIMINANZANALYSEN.69
2.2.2.2 A-POSTERIORI-REGELEXTRAKTION AUF BASIS VON
ENTSCHEIDUNGSBAUMVERFAHREN.70
SEITE III
2.2.23 A-POSTERIORI-REGELEXTRAKTION AUF BASIS NEURONALER NETZE MIT
UEBERWACHTEM LERNEN.71
2.2.23.1 BLACK-BOX-ANSAETZE.72
2.2.23.2 DEKOMPOSITIONELLE ANSAETZE.75
2.2.233 FAZIT.79
2.2.3 ADAPTION VON REGELSYSTEMEN.80
2.2.3.1 UNUEBERWACHTE ADAPTIONSVERFAHREN.81
2.23.2 KLEINST-QUADRATE-SCHAETZUNG ZUR REGELSYSTEMADAPTION.84
2.2.33 UEBERWACHTE, NICHT GRADIENTEN-BASIERTE ADAPTIONSVERFAHREN.85
2.23.3.1 KOMPLETTE UND ZUFALLSBASIERTE SUCHE.85
2.23.3.2 HEURISTISCHE SUCHE.87
2.233.3 FAZIT.93
2.23.4 UEBERWACHTE, GRADIENTEN-BASIERTE ADAPTIONSVERFAHREN.93
2.2.4 NEURO-FUZZY SYSTEME.94
2.2.4.1 ZIELSETZUNGEN VON NEURO-FUZZY SYSTEMEN.95
2.2.4.2 EINGRENZUNG UND TAXONOMIE RELEVANTER ANSAETZE.97
2.2.43 VERFAHREN MIT A-PRIORI DEFINIERTEM REGELWERK. 106
2.2.4.4 VERFAHREN MIT A-PRIORI DEFINIERTEN ZUGEHOERIGKEITSFUNKTIONEN. 107
2.2.4.5 VERFAHREN DER REINEN REGELGEWICHTUNGSADAPTION.108
2.2.4.6 VERFAHREN DES REGEL- UND ZUGEHOERIGKEITSFUNKTIONSIEMENS.114
2.2.4.6.1 CLUSTERBASIERTE ANSAETZE.114
2.2.4.6.1.1 BINARY INPUT-OUTPUT FUZZY ASSOCIATIVE MAP (BIOFAM).114
2.2.4.6.1.2 NEURAL NETWORK DRIVEN FUZZY REASONING (NNDFR).116
2.2.4.6.1.3 FUZZY ADAPTIVE LEAMING CONTROL NETWORK (FALCON).118
2.2.4.6.2 DESTRUKTIVE ANSAETZE.120
2.2.4.6.2.1 SYSTEM FOR ADAPTIVE RULE ACQUISITION WITH HEBBIAN LEAMING
(SARAH).120
2.2.4.6.2.2 FUZZY-NEURAL CONTROLLER (FUNE).121
2.2.4.63 KONSTRUKTIVE ANSAETZE.124
2.2.4.63.1 RADIAL BASIS FUNCTION NETWORK - FUZZY SYSTEMS (RBFN-FS).
124
2.2.4.63.2 FUZZY-SYSTEME AUF GRUNDLAGE RECTANGULAERER BASISFUNKTIONEN.
126
2.2.4.633 B-SPLINE NEURO-FUZZY SYSTEME.128
2.2.4.63.4 NEURO FUZZY CLASSIFICATION (NEFCLASS).132
2.2.4.7 ZWISCHENFAZIT DER NEURO-FUZZY SYSTEME.135
2.3 VERGLEICH DER KLASSIFIKATIONSVERFAHREN HINSICHTLICH IHRER EIGNUNG
IM DATA-MINING-EINSATZ.137
2.3.1 ANFORDERUNGEN AN VERGLEICHSUNTERSUCHUNGEN.137
2.3.2 ALLGEMEINE THEORETISCHE UEBERLEGUNGEN.140
2.3.3 LITERATURUEBERBLICK.144
2.33.1 ALLGEMEINE EINSCHAETZUNGEN.144
2.3.3.2 ABLEITUNG VON EMPFEHLUNGEN IN ABHAENGIGKEIT VON DEN
DATENCHARAKTERISTIKA.157
2.3.33 FAZIT UND KRITISCHE WUERDIGUNG DER VERGLEICHSUNTERSUCHUNGEN.160
2.3.4 EIGENER EMPIRISCHER VERGLEICH VON NEURO-FUZZY-ANSAETZEN UND ANDEREN
KLASSIFIKATIONSMETHODEN DES DATA MINING.162
23.4.1 UNTERSUCHUNGSDESIGN.162
23.4.2 UNTERSUCHUNGSERGEBNISSE.163
2.4 ERARBEITUNG EINES FACHKONZEPTS FUER EIN KDD-SYSTEM AUFBAUEND AUF
EINEM NEURO-FUZZY-NUKLEUS.167
SEITE IV
KAPITEL 3 VOR- UND NACHGELAGERTE SCHRITTE FUER NEURO-FUZZY
SYSTEME ZUR WISSENSENTDECKUNG IN DATENBANKEN.172
3.1 DATENSELEKTION UND -TRANSFORMATIONEN.173
3.1.1 ZIELE UND AUFGABEN DER ANBINDUNG VON KDD-SYSTEMEN AN EIN DATA
WAREHOUSE . 173
3.1.2 VERGLEICH PRAKTISCHER INTEGRATIONSANSAETZE FUER DIE DATA WAREHOUSE -
KDD -
SCHNITTSTELLE.175
3.1.2.1 DIE VERGLEICHSKRITERIEN.176
3.1.2.2 UEBERSICHT UEBER PRAKTISCHE INTEGRATIONSANSAETZE.177
3.1.2.3 DIE VERGLEICHSERGEBNISSE.181
3.1.3 EIN ERWEITERTER ANSATZ FUER EINE DATA WAREHOUSE - KDD -
SCHNITTSTELLE.182
3.1.3.1 DV-KONZEPT DER ERWEITERTEN SCHNITTSTELLE.182
3.1.3.2 PROTOTYPENHAFTE IMPLEMENTIERUNG DES ERWEITERTEN
SCHNITTSTELLENANSATZES.184
3.1.3.3 FAZIT UND ERWEITERUNGSMOEGLICHKEITEN.186
3.1.4 SEMANTISCHE UEBERLEGUNGEN UND VARIABLENTRANSFORMATIONEN .R.186
3.1.5 ZUSAMMENFASSUNG.193
3.2 BEHANDLUNG FEHLENDER WERTE.195
3.2.1 ZIELE UND AUFGABEN DER BEHANDLUNG FEHLENDER WERTE.195
3.2.2 UEBERSICHT UEBER BEHANDLUNGSALTEMATIVEN FUER FEHLENDE WERTE.197
3.2.2.1 LOESCHUNG VON DATEN (ELIMINIERUNGSVERFAHREN).198
2
)
2.22
NUTZUNG DER FEHLENDEN WERTE ALS EIGENSTAENDIGE INFORMATION.200
3.2.2.3 IMPUTATIONSVERFAHREN IM WEITEREN SINNE.201
3.2.2.4 IMPUTATIONSVERFAHREN IM ENGEREN SINNE.202
3.2.2.4.1 EINFUEHRUNG EINES TAXONOMIERAHMENS.203
3.2.2.4.2 'NICHT-INFORMATIVE' VERFAHREN.205
3.2.2.4.3 SIMILARITAETSBASIERTE ANSAETZE (HOT-DECK-VERFAHREN).206
3.2.2.4.4 RELATIONSBASIERTE ANSAETZE.209
3.2.2.4.5 HYBRIDE UND KOOPERATIVE ANSAETZE.213
3.2.2.5 PARAMETERSCHAETZVERFAHREN.214
3.2.2.5.1 SPEZIALVERFAHREN UND MODIFIKATIONEN BESTEHENDER
DATENANALYSEVERFAHREN.214
3.2.2.5.2 DER EM-ALGORITHMUS. 216
3.2.2.6 ZWISCHENFAZIT UND BEURTEILUNG DER MISSING-DATA-TECHNIKEN.218
3.2.3 DV-KONZEPT EINER REGRESSIONSANALYTISCHEN IMPUTATION.220
3.2.4 DV-KONZEPTE DER ZELLENMITTELWERTERSETZUNGSVERFAHREN.222
3.2.4.1 ZELLENMITTELWERTERSETZUNG AUF BASIS EINER CLUSTERANALYSE.222
3.2.4.2 ZELLENMITTELWERTERSETZUNG AUF BASIS EINES
ENTSCHEIDUNGSBAUMVERFAHRENS.227
3.2.4.2.1 GRUNDMODELL UND DESIGNENTSCHEIDUNGEN.228
3.2.4.2.1.1 AEHNLICHKEITSBESTIMMUNG.229
3.2.4.2.1.2 'DEFUZZIFIZIERUNG' DES QUALITAETSGEBIRGES.232
3.2.4.2.1.3 MULTIPLE IMPUTATION.236
3.2.4.2.2 ZUSAMMENFASSUNG.237
3.2.5 IMPLEMENTIERUNG DER VERFAHREN IN RAISIN.239
3.2.5.1 DAS HAUPTMENUE UND DIE VERFAHRENSAUSWAHL.239
3.2.5.2 DIE VERFAHRENSDURCHFUEHRUNG UND WEITERE HILFSMODULE.241
SEITE V
3.2.6 UNTERSUCHUNGEN ZU DEN IMPLEMENTIERTEN IMPUTATIONSVERFAHREN.243
3.2.6.1 UNTERSUCHUNGSDESIGN.244
3.2.6.2 UNTERSUCHUNGSERGEBNISSE.245
3.2.7 BEHANDLUNG SYSTEMATISCH FEHLENDER WERTE.247
3.2.7.1 PROBLEMSTELLUNG.247
3.2.7.2 TESTS AUF SYSTEMATISCHE MISSING VALUES.250
3.2.7.3 EIN LOESUNGSANSATZ.252
3.2.7.4 UNTERSUCHUNGEN ZUR EFFEKTIVITAET DES LOESUNGSANSATZES.253
3.2.7.4.1 UNTERSUCHUNGSDESIGN.253
3.2.7.4.2 UNTERSUCHUNGSERGEBNISSE.254
3.2.8 ZUSAMMENFASSUNG.255
3.3 ATTRIBUTREDUKTION.257
3.3.1 ZIELE UND AUFGABEN DER ATTRIBUTREDUKTION.257
3.3.2 UEBERSICHT UEBER VERFAHREN DER ATTRIBUTREDUKTION. 261
3.3.3 VERFAHREN DER ATTRIBUTSELEKTION.263
3.3.3.1 AUSGESTALTUNGSMOEGLICHKEITEN DES SUCHALGORITHMUS.264
3.3.3.1.1 UEBERSICHT.264
3.3.3.1.2 EINSCHAETZUNG DER SUCHALGORITHMEN.269
3.3.3.2 AUSGESTALTUNGSMOEGLICHKEITEN DER EVALUIERUNGSFUNKTION.271
3.3.3.2.1 UEBERSICHT.271
3.3.3.2.2 EINSCHAETZUNG DER EVALUIERUNGSFUNKTIONEN.275
3.3.3.3 UEBERSICHT UEBER KONKRETE ATTRIBUTSELEKTIONSVERFAHREN.277
3.3.4 VERGLEICH DER ATTRIBUTSELEKTIONSANSAETZE.287
3.3.5 VORSTELLUNG EINES KOOPERATIVEN ATTRIBUTSELEKTIONSANSATZES.293
3.3.6 ZUSAMMENFASSUNG.298
3.4 TRAININGSSTICHPROBENAUSWAHL UND -ANREICHERUNG.299
3.4.1 ZIELE UND AUFGABEN DER STFCHPROBENZIEHUNG.299
3.4.2 EIN GENERISCHER BEZUGSRAHMEN ZUR EINORDNUNG DER
STICHPROBENVERFAHREN.300
3.4.3 VERFAHREN DER EINMALIGEN STICHPROBENZIEHUNG.302
3.4.4 VERFAHREN DER MEHRFACHEN STICHPROBENZIEHUNG (VOTING-VERFAHREN).305
3.4.4.1 PARALLELE MEHRFACHE STICHPROBENZIEHUNG.308
3.4.4.2 SEQUENTIELLE MEHRFACHE STICHPROBENZIEHUNG.3 ]0
3.4.5 BEURTEILUNG DER ANWENDBARKEIT DER VOTING-VERFAHREN FUER NEURO-FUZZY
SYSTEME. 315
3.4.5.1 THEORETISCHE UEBERLEGUNGEN.
31
6
3.4.5.2 ANWENDUNG DES BAGGING FUER NEFCLASS.322
3-4.5.3 ANWENDUNG DES BOOSTING FUER NEFCLASS.324
3.4.6 RANDBEDINGUNGEN DER STICHPROBENZIEHUNG UND -ANREICHERUNG.325
3.4.6.1 UEBERLEGUNGEN ZUR NOTWENDIGEN STICHPROBENGROESSE.325
3.4.6.2 AUSBALANCIERUNG DER TRAININGSSTICHPROBE.326
3.4.6.3 AUSREISSERBEHANDLUNG.326
3.4.7 ZUSAMMENFASSUNG.
329
SEITE VI
3.5 MUSTERNACHBEARBEITUNG.330
3.5.1 BEURTEILUNG DER INTERESSANTHEIT DER ERGEBNISSE VON NEURO-FUZZY
SYSTEMEN.331
3.5.1.1 KRITERIEN DER INTERESSANTHEIT.
331
3.5.1.2 BEURTEILUNG DES NEURO-FUZZY SYSTEMS NEFCLASS ANHAND DER
INTERESSANTHEITSKRITERIEN.
341
3.5.2 ENTWURF EINES WERKZEUGS ZUR INTERESSANTHEITSORIENTIERTEN
NACHBEARBEITUNG DER
REGELN VON NEURO-FUZZY SYSTEMEN.346
3.5.2.1 REGELAGGREGATION.
34
G
3.5.2.2 REGELSORTIERUNG UND -BROWSING.
353
3.5.3 ZUSAMMENFASSUNG.360
3.6 UEBERFUEHRUNG DES FACHKONZEPTS IN EIN DV-KONZEPT.
361
KAPITEL 4 EINSATZBEISPIELE ZUR WISSENSENTDECKUNG IN
DATENBANKEN MIT NEURO-FUZZY SYSTEMEN.365
4.1 IDENTIFIZIERUNG VON ZIELGRUPPEN FUER EIN VERLAGSHAUS.366
4.1.1 FRAGESTELLUNG UND DATENMATERIAL (VERLAGSDATEN
).366
4.1.2 WISSENSENTDECKUNG IN DEN
VERLAGSDATEN
.367
4.1.2.1 DATEN VORVERARBEITUNG.
367
4.1.2.2 DATA MINING MIT NEFCLASS.367
4.1.2.3 REGELNACHBEARBEITUNG.
368
4.1.3 INTERPRETATION UND FAZIT.
369
4.2 IDENTIFIKATION VON ZIELGRUPPEN FUER EINE DIREKT-MAILING-AKTION
EINES GROSSEN KREDITINSTITUTS
.
3
70
4.2
.1
FRAGESTELLUNG UND DATENMATERIAL
{BANKDATEN)
.370
4.2.2 WISSENSENTDECKUNG IN DEN
BANKDATEN
.
372
4.2.2
.1
DATENVORVERARBEITUNG.
373
4.2.2.2 DATA MINING MIT NEFCLASS.
375
4.2.2.3 REGELNACHBEARBEITUNG.
377
4.2.3 INTERPRETATION UND FAZIT.
37
G
4.3 UNTERSUCHUNG DER ZUSAMMENHAENGE ZWISCHEN FAHRZEUGMERKMALEN
UND STOERUNGSANFAELLIGKEITEN FUER EINEN AUTOMOBILPRODUZENTEN.380
4.3.1 FRAGESTELLUNG UND DATENMATERIAL (AUTOMOBILDATEN
).380
4.3.2 WISSENSENTDECKUNG IN DEN
AUTOMOBILDATEN
.
381
4.3.2
.1
DATENVORVERARBEITUNG.
3
G]
4.3.2.2 DATA MINING MIT INKLUSIVE REGELNACHBEARBEITUNG.
383
4.3.2.2.1 UEBERSICHT UEBER DIE ERGEBNISQUALITAET.
383
4.3.2.2.2 AUSGEWAEHLTE EINZELERGEBNISSE.
385
4.3.3 INTERPRETATION UND FAZIT.
SEITE VII
KAPITEL 5 ZUSAMMENFASSUNG UND AUSBLICK.396
LITERATURVERZEICHNIS.XVI |
| any_adam_object | 1 |
| author | Wittmann, Thomas |
| author_facet | Wittmann, Thomas |
| author_role | aut |
| author_sort | Wittmann, Thomas |
| author_variant | t w tw |
| building | Verbundindex |
| bvnumber | BV013089037 |
| ctrlnum | (OCoLC)247240404 (DE-599)BVBBV013089037 |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>00000nam a22000001c 4500</leader><controlfield tag="001">BV013089037</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20000731</controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">000328s1999 gw d||| m||| 00||| ger d</controlfield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">958272018</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)247240404</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV013089037</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakddb</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">DE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-N2</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Wittmann, Thomas</subfield><subfield code="e">Verfasser</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen</subfield><subfield code="c">von Thomas Wittmann</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="c">1999</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">407, LXXXV Bl.</subfield><subfield code="b">graph. Darst. : 30 cm</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="500" ind1=" " ind2=" "><subfield code="a">Jena, Univ., Diss., 1999</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Data Mining - Neuro-Fuzzy-System</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">Wissensextraktion - Neuro-Fuzzy-System</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Wissensextraktion</subfield><subfield code="0">(DE-588)4546354-2</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Neuro-Fuzzy-System</subfield><subfield code="0">(DE-588)4560677-8</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4113937-9</subfield><subfield code="a">Hochschulschrift</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Data Mining</subfield><subfield code="0">(DE-588)4428654-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Neuro-Fuzzy-System</subfield><subfield code="0">(DE-588)4560677-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Wissensextraktion</subfield><subfield code="0">(DE-588)4546354-2</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Neuro-Fuzzy-System</subfield><subfield code="0">(DE-588)4560677-8</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008915783&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="943" ind1="1" ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-008915783</subfield></datafield></record></collection> |
| genre | (DE-588)4113937-9 Hochschulschrift gnd-content |
| genre_facet | Hochschulschrift |
| id | DE-604.BV013089037 |
| illustrated | Illustrated |
| indexdate | 2024-10-09T18:13:33Z |
| institution | BVB |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-008915783 |
| oclc_num | 247240404 |
| open_access_boolean | |
| owner | DE-N2 |
| owner_facet | DE-N2 |
| physical | 407, LXXXV Bl. graph. Darst. : 30 cm |
| publishDate | 1999 |
| publishDateSearch | 1999 |
| publishDateSort | 1999 |
| record_format | marc |
| spelling | Wittmann, Thomas Verfasser aut Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen von Thomas Wittmann 1999 407, LXXXV Bl. graph. Darst. : 30 cm txt rdacontent n rdamedia nc rdacarrier Jena, Univ., Diss., 1999 Data Mining - Neuro-Fuzzy-System Wissensextraktion - Neuro-Fuzzy-System Data Mining (DE-588)4428654-5 gnd rswk-swf Wissensextraktion (DE-588)4546354-2 gnd rswk-swf Neuro-Fuzzy-System (DE-588)4560677-8 gnd rswk-swf (DE-588)4113937-9 Hochschulschrift gnd-content Data Mining (DE-588)4428654-5 s Neuro-Fuzzy-System (DE-588)4560677-8 s DE-604 Wissensextraktion (DE-588)4546354-2 s DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008915783&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis |
| spellingShingle | Wittmann, Thomas Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen Data Mining - Neuro-Fuzzy-System Wissensextraktion - Neuro-Fuzzy-System Data Mining (DE-588)4428654-5 gnd Wissensextraktion (DE-588)4546354-2 gnd Neuro-Fuzzy-System (DE-588)4560677-8 gnd |
| subject_GND | (DE-588)4428654-5 (DE-588)4546354-2 (DE-588)4560677-8 (DE-588)4113937-9 |
| title | Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen |
| title_auth | Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen |
| title_exact_search | Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen |
| title_full | Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen von Thomas Wittmann |
| title_fullStr | Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen von Thomas Wittmann |
| title_full_unstemmed | Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen von Thomas Wittmann |
| title_short | Wissensentdeckung in Datenbanken mit adaptiven Regelsystemen |
| title_sort | wissensentdeckung in datenbanken mit adaptiven regelsystemen |
| topic | Data Mining - Neuro-Fuzzy-System Wissensextraktion - Neuro-Fuzzy-System Data Mining (DE-588)4428654-5 gnd Wissensextraktion (DE-588)4546354-2 gnd Neuro-Fuzzy-System (DE-588)4560677-8 gnd |
| topic_facet | Data Mining - Neuro-Fuzzy-System Wissensextraktion - Neuro-Fuzzy-System Data Mining Wissensextraktion Neuro-Fuzzy-System Hochschulschrift |
| url | http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=008915783&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT wittmannthomas wissensentdeckungindatenbankenmitadaptivenregelsystemen |