Lade Daten...
iLearn
Cau-siegel-color-300

Methoden der Effizienten Ähnlichkeitssuche in großen Datenbeständen

Klausur/Exam

!!! Die Nachholklausur (2. Klausur) findet am 15.10.2019 um 11:15 Uhr im LMS2 - R.Ü1 - (Seminarraum Ü1) statt. Bitte frühzeitig erscheinen da wir pünktlich mit der Klausur anfangen werden.

!!! The second exam will take place on Oct. 15, 2019, 11:15 am, in LMS2 - R.Ü1 - (Seminarraum Ü1). Please appear early as we will start the exam in time.

Exam review

On the 22.07. at 15:00 in CAP 4 Room 715 you may review your exam.

Klausurtermin wurde geändert

Die Klausur findet am 19.07. um 8:30 im CAP 2 Hörsaal C statt. Ich bitte um rechtzeitiges erscheinen.

Falls noch nicht geschehen, meldet euch bitte per email an cze@informatik.uni-kiel.de mit Betreff “Klausur Ähnlichkeitssuche” an. Spontanes Mitschreiben ist auch möglich.


exam date changed

The exam will take place on 19.07. at 8:30 in CAP 2 Room C. Registration is not compulsory, but if you wish to take part, a message to cze@informatik.uni-kiel.de with subject “Exam Similarity Search” would be nice.

Vorlesung

Zeit und Ort: Di 14:15 - 15:45, LMS2 - R.Ü2/K; Mi 8:15 - 9:45, LMS2 - R.Ü1

gehalten von Prof. Dr. Matthias Renz

Details zur Vorlesung auch im Univis

Ausführliche Beschreibung in der Moduldatenbank

Mitte melden Sie sich auch in der StudiDb für diese Veranstaltung an.

Übung

Zeit und Ort: Mo 10:15 - 11:45, LMS2 - R.Ü2/K

gehalten von Dr. Claudius Zelenka

Kurzfassung:

Diese Vorlesung befasst sich mit neuen Techniken zur Ähnlichkeitssuche insb. der Feature-basierten Ähnlichkeitssuche in Datenbanken mit komplex strukturierten Objekten. Der behandelte Stoff findet in vielen (Nicht-Informatik)-Wissenschaften, in denen datengetriebene Exploration zu einem immer wichtigeren Thema wird, wie z.B. Archaeologie, Medizin, und andere Natur- und Geisteswissenschaften, Anwendung. Zu diesen Daten gehören insbesondere Multimedia-Objekte und allg. Multi-Attribut-Objekte Objekte mit räumlicher Ausdehnung (z.B. CAD-Daten, Geo-Objekte, Bio-Moleküle, etc.) Zeitreihen und Sequenzdaten (z.B. Audiosequenzen, Videosequenzen, etc.)

Lernziele:

Ziel dieser Vorlesung ist die Vermittlung von algorithmischen Techniken zur Ähnlichkeitssuche und Nachbarschaftsanfragen in nicht-standard Datenbanken (Datenbeständen). Der Schwerpunkt der Vorlesung liegt dabei auf der Effizienz und der Effektivität der vorgestellten Techniken zur Änlichkeitssuche und Nachbarschaftsanfragen. Insbesondere werden Ähnlichkeitsuchparadigmen wie die Index-basierte Suche und die Mehrstufige Anfragebearbeitung sowie Merkmal(Feature)-Extraktionsverfahren für räumliche und zeiträumliche Daten vorgestellt.

Lehrinhalte:

  • Einführung in die Feature-basierte Ähnlichkeitssuche
  • Feature Räume und Distanzmaße
  • Algorithmische Paradigmen zur Anfragebearbeitung
  • Indexstrukturen für Featureräume und metrische Räume
  • Bereichsanfragen
  • Nächste-Nachbarn Anfragen
  • Reverse-Nächste-Nachbarn Anfragen
  • Skyline Anfragen und Pareto-Optimalität
  • Bewertung von Methoden zur Ähnlichkeitssuche
  • Feature-Extraktion von räumlich ausgedehnten Objekten
  • Feature-Extraktion von Zeitreihen
  • Nachbarschaftssuche in Netzwerk-Graphen

Prüfung:

  • Written exam will be in the week July 08-12. Exact information about time and location will be announced soon.

Skript:

Part of Script in english (excerpt of the german script slides, no 1:1 translation, illustration might differ)

Musterlösung [Solutions for the exercises]

(ohne Gewähr und Anspruch auf Vollständigkeit)