Die vorliegende Seminararbeit befasst sich mit dem Thema „Spatial Data-Mining und Epidemien“ (SDM). Das SDM ist eine Ausprägungsart des Data-Mining (DM). Es verknüpft räumliche Daten mit dem herkömmlichen Prozess der Wissensgewinnung (DM) aus Datenbanken. Das SDM ist hierbei lediglich ein Teilprozess der Wissensentdeckung in Datenbanken.
Daher wird im Rahmen dieser Arbeit das Data-Mining an sich erläutert. Es wird ein Überblick über Geographische Informationssysteme gegeben und das „Spatial Data-Mining“, die dabei verwendeten Techniken sowie die betreffenden Anwendungsgebiete behandelt. Ein Anwendungsgebiet des SDM – die Epidemie-Forschung – wird detaillierter betrachtet und abschließend ein Fazit gezogen werden.
Inhaltsverzeichnis
- KURZFASSUNG
- INHALTSVERZEICHNIS
- ABKURZUNGSVERZEICHNIS
- ABBILDUNGSVERZEICHNIS
- TABELLENVERZEICHNIS
- EINLEITUNG
- DATA-MINING / KNOWLEDGE DISCOVERY IN DATABASES
- GEOGRAPHISCHE INFORMATIONSSYSTEME
- GIS-Software
- Datentypen
- SPATIAL DATA-MINING
- Methoden und Techniken
- Spatial Clustering
- Räumliche Klassifikation
- Räumliche Assoziationsanalyse
- Spezielle SDM-Methoden
- Co-Location Analyse
- Räumliche Trend Analyse
- Anwendungsgebiete
- Methoden und Techniken
- SPATIAL DATA-MINING UND EPIDEMIEN
- FAZIT
- Anhang I
- a) Foliensatz für die Präsentation
- b) Inhalt des Datenträgers
- Dateiliste
- Literaturverzeichnis
Zielsetzung und Themenschwerpunkte
Die vorliegende Seminararbeit befasst sich mit dem Thema „Spatial Dato-Mining und Epidemien" (SDM). Das SDM ist eine Ausprägungsart des Data-Mining (DM). Es verknüpft räumliche Daten mit dem herkömmlichen Prozess der Wissensgewinnung (DM) aus Datenbanken. Das SDM ist hierbei lediglich ein Teilprozess der Wissensentdeckung in Datenbanken.
- Erläuterung des Data-Mining
- Überblick über Geographische Informationssysteme
- Behandlung des „Spatial Data-Mining", der dabei verwendeten Techniken sowie der betreffenden Anwendungsgebiete
- Detaillierte Betrachtung eines Anwendungsgebiets des SDM — die Epidemie-Forschung
- Abschließendes Fazit
Zusammenfassung der Kapitel
Im Kapitel 2 wird die Technik des „Data-Mining / Knowledge Discovery in Databases (KDD)" (=Wissensentdeckung in Datenbanken) an sich erläutert und anschließend im Kapitel 3 ein Überblick zu Geographischen Informationssystemen (GIS) gegeben werden. Das Kapitel 4 befasst sich mit dem „Spatial Data-Mining", welches die Verknüpfung von DM mit GIS darstellt. Nachfolgend wird der Autor in Kapitel 5 „Spatial Dato-Mining und Epidemien" auf einen Anwendungsfall des SDM detailliert eingehen und Möglichkeiten zur Weiterentwicklung durch die Nutzung von „Informatiktechniken" aufzeigen.
Das Kapitel 2 erläutert das Data-Mining, auch bekannt als Wissensentdeckung in Datenbanken (KDD). Der Prozess der Wissensentdeckung wird schematisch dargestellt und der Fokus liegt auf der Gewinnung von gültigen und verständlichen Mustern (Patterns) aus großen Datenbeständen. Die verwendeten Methoden und Techniken des DM-Prozesses werden äquivalent auch beim SDM angewendet und daher im Kapitel 4 näher erläutert.
Kapitel 3 gibt einen Überblick über Geographische Informationssysteme (GIS). GIS dienen der Daten-Aufbereitung und —Darstellung. Die Geovisualisierung dient der graphischen Abbildung von Geoobjekten samt dem Geowissen auf einer Projektionsoberfläche. Es werden verschiedene Techniken zur Verdeutlichung von Daten vorgestellt, wie beispielsweise die Veränderung von Landkarten, um die geographischen Regionen in ihren Ausmaßen die Daten wiedergeben zu lassen. Es werden auch die verschiedenen Datentypen, die GIS verarbeiten, vorgestellt: räumliche („spatial") und nicht-räumliche („non-spatial") Daten.
Kapitel 4 befasst sich mit dem „Spatial Data-Mining", welches die Verknüpfung von DM mit GIS darstellt. Der Autor erläutert, wie „Spatial Data-Mining" als „räumliches Datenschnüffeln" bezeichnet werden kann und die Nutzung aller Informationspotenziale von raumbezogenen Daten für Analysen und für die Gewinnung neuer Informationen ermöglicht. Es werden die Methoden und Techniken des SDM vorgestellt, wie das (spatial) Clustering, die (räumliche) Klassifikation sowie die (räumliche) Assoziationsanalyse. Darüber hinaus gibt es noch spezielle „Spatial Data-Mining-Methoden", wie die „Co-Location Analyse" und die „räumliche Trendanalyse", die ebenfalls kurz beschrieben werden.
Kapitel 5 behandelt mit der Epidemie-Forschung einen speziellen Anwendungsfall des „Spatial Dato-Mining". Es wird die Entstehung des SDM eng mit der Epidemie-Forschung verknüpft (Cholera Epidemie in London 1854-1855). Die Entwicklung der Menschheit seit dem Mittelalter, die Fortschritte der medizinischen Forschung und die negativen Faktoren, wie die Verdoppelung der Weltbevölkerung, Stadtwachstum, Reise-Intensivierung und die Mutation von Erregerstämmen, werden beleuchtet. Es werden Anwendungsbeispiele des SDM in der Epidemie-Forschung gezeigt, wie die Rekonstruktion des Verlaufs und der Ausbreitung der Schweinegrippe (HINI) und die Untersuchungen der Verbreitung der Tuberkulose in Köln auf Stadtbezirksebene.
Schlüsselwörter
Die Schlüsselwörter und Schwerpunktthemen des Textes umfassen Spatial Data-Mining, Data-Mining, Knowledge Discovery in Databases, Geographische Informationssysteme, Epidemien, Epidemie-Forschung, räumliche Daten, räumliche Analyse, Clusteranalyse, Klassifikation, Assoziationsanalyse, Co-Location Analyse, räumliche Trend Analyse, Anwendungsgebiete, Seuchenausbreitung, Globalisierung, Mutation von Erregern, Gesundheitswesen, Informationstechnologie.
- Quote paper
- Thomas Hillen (Author), 2012, Anwendung des Spatial Data-Mining (SDM) in der Epidemie-Forschung, Munich, GRIN Verlag, https://www.grin.com/document/274940
