Data Mining von Sequenzdaten - Fachgebiet Datenbanken und ...

Weitere Magazine

Empfehlungen

Info

5 IMPLEMENTIERUNG 76 Im Folgenden soll der dritte Prozess noch genauer betrachtet werden, da gerade das Tab-Objekt die meisten Datenflüsse als Antwort auf die Aktionen des Benutzers generiert. In Abbildung 43 ist dieser Prozess in der Ebene 2 dargestellt. Der Prozess Ergebnisse in Mustertabelle speichern“ speichert die Daten des eingehenden Datenflusses ” in der Mustertabelle ab. Auf diese Weise können die Prozesse Graph zeichnen“ und ” Muster speichern“ auf die Daten zugreifen. ” Betätigt der Benutzer die Taste für das Zeichnen der ausgewählten Muster als Graph, wird der Prozess Graph zeichnen“ gestartet. Abhängig vom eingehenden Datenfluss ” Muster-Auswahl werden die benötigten Daten aus der Mustertabelle ausgelesen und daraus die Datei temp.dot erzeugt. Für die Erzeugung von temp.dot wird einer der Methoden toTotalGraph...() oder toSeparateGraph...(), abhängig von Algorithmus- Auswahl und Graph-Auswahl, verwendet. Schließlich wird mit der Methode dotToGif das dot-Programm über Befehl aufgerufen, um aus temp.dot die Datei temp.gif zu generieren. Die Datei temp.gif wird dann ausgelesen und im Tab-Objekt als Graphbild dargestellt. Analog dazu wird beim Drücken der Taste ” Muster speichern“ der Prozess 3.3 ausgelöst. Für die Speicherung werden zum einen die Daten aus der Mustertabelle und zum anderen alle Einstellungsparameter bezüglich des Data Mining-Vorgangs benötigt. Aus diesen eingehenden Datenflüssen wird eine seqpo-Datei als Speicherdatei erzeugt. Entsprechend kann durch Betätigen der ” Bild speichern“-Taste der Prozess 3.4 ausgelöst werden. Dabei wird die Bilddatei temp.gif ausgelesen und daraus eine neue gif- Datei erzeugt. Die verbliebenen drei Prozesse 3.5, 3.6 und 3.7 dienen zur Skalierung des Graphbildes temp.gif. Dies kann durch Drücken der Tasten ” Bild Zoom out“ und ” Bild Zoom in“ realisiert werden. Der Benutzer hat darüberhinaus die Möglichkeit über den Datenfluss Zoom-Auswahl den Zoom-Faktor direkt auszuwählen.
5 IMPLEMENTIERUNG 77 Ebene 0: DB-Einstellung = Datenbanktreiber + Datenbank-URL Graphviz-Einstellung = Dateipfad des dot-Programms von GraphViz Login-Daten = Login + Passwort SQL = SQL-Anfrage Algorithmus-Auswahl = [PrefixSpan | Frecpo] MinSupport-Art = [prozentual | absolut] MinSupport-Wert = MinSupport als Integerzahl Muster-Art= [alle | geschlossen | maximal] Muster-Auswahl = markierte Muster in Mustertabelle Graph-Auswahl = [Gesamtgraph | Einzelgraph] Zoom-Auswahl = [12,5% |, 25% |, 50% |, 75% |, 100% |, 125% |,150% ] DB-Anfrage = DB-Einstellung + Login-Daten + SQL ResultSet = Ergebnismenge der DB-Anfrage Status = erfolgreiche Datenbankverbindung: [true | false] Befehl = Kommandozeilenbefehl Graphviz-Einstellung + -Gcharset=latin1 -Tgif ” temp.dot -o temp.gif“ Ebene 1: Ergebnisse = sortierte Menge der gefundenen Muster Ebene 2: Zoomfaktor++ = Erhöhung des aktuellen Zoom-Faktor um eine Stufe (siehe Zoom-Auswahl) Zoomfaktor−− = Verringerung des aktuellen Zoom-Faktor um eine Stufe Abbildung 44: Data Dictionary des Datenflussdiagramms
Seite 1:
Data Mining von Sequenzdaten Diplom
Seite 4 und 5:
IV Zusammenfassung Das Forschungsfe
Seite 6 und 7:
INHALTSVERZEICHNIS VI 5.1 PrefixSpa
Seite 8 und 9:
1 EINLEITUNG 2 Ein anderes wichtige
Seite 10 und 11:
1 EINLEITUNG 4 〈32100, 05/08, {
Seite 12 und 13:
1 EINLEITUNG 6 Dabei sollen die Dat
Seite 14 und 15:
2 GRUNDLAGEN 8 tern. Mit Hilfe des
Seite 16 und 17:
2 GRUNDLAGEN 10 ist, und d ein Prod
Seite 18 und 19:
2 GRUNDLAGEN 12 Beispiel 2.9. Gegeb
Seite 20 und 21:
2 GRUNDLAGEN 14 Abbildung 5: Darste
Seite 22 und 23:
2 GRUNDLAGEN 16 Zum Beispiel ist di
Seite 24 und 25:
2 GRUNDLAGEN 18 Wie schon im Anfang
Seite 26 und 27:
3 ALGORITHMEN 20 3 Algorithmen In d
Seite 28 und 29:
3 ALGORITHMEN 22 Um zu zeigen, dass
Seite 30 und 31:
3 ALGORITHMEN 24 3-Muster 2-Präfix
Seite 32 und 33: 3 ALGORITHMEN 26 1. Sei {x 1 , x 2
Seite 34 und 35: 3 ALGORITHMEN 28 Präfix projiziert
Seite 36 und 37: 3 ALGORITHMEN 30 dabei unterschiedl
Seite 38 und 39: 3 ALGORITHMEN 32 Abbildung 14: gesc
Seite 40 und 41: 3 ALGORITHMEN 34 nach häufigen, ge
Seite 42 und 43: 3 ALGORITHMEN 36 Eingabe: Sequenzda
Seite 44 und 45: 3 ALGORITHMEN 38 ist. Deshalb brauc
Seite 46 und 47: 3 ALGORITHMEN 40 th). Auch wird bei
Seite 48 und 49: 3 ALGORITHMEN 42 Respektive erhält
Seite 50 und 51: 4 DURCHFÜHRUNG DES DATA MININGS 44
Seite 58 und 59: 5 IMPLEMENTIERUNG 52 5 Implementier
Seite 60 und 61: 5 IMPLEMENTIERUNG 54 Abbildung 25:
Seite 62 und 63: 5 IMPLEMENTIERUNG 56 Methodenübers
Seite 64 und 65: 5 IMPLEMENTIERUNG 58 • boolean: i
Seite 70 und 71: 5 IMPLEMENTIERUNG 64 Berechnet den
Seite 74 und 75: 5 IMPLEMENTIERUNG 68 den MinSupport
Seite 76 und 77: 5 IMPLEMENTIERUNG 70 Auch lassen si
Seite 78 und 79: 5 IMPLEMENTIERUNG 72 Auswahlparamet
Seite 80 und 81: 5 IMPLEMENTIERUNG 74 (a) Kontextdia
Seite 84 und 85: 6 ERGEBNISSE 78 6 Ergebnisse In die
Seite 86 und 87: 6 ERGEBNISSE 80 (a) maximale sequen
Seite 88 und 89: 6 ERGEBNISSE 82 Im Folgenden sollen
Seite 92 und 93: 6 ERGEBNISSE 86 jekt Technische Inf
Seite 96 und 97: 6 ERGEBNISSE 90 dienverläufen. Es
Seite 100 und 101: 6 ERGEBNISSE 94 Informationssysteme
Seite 102 und 103: 6 ERGEBNISSE 96 Elektrotechnische G
Seite 104 und 105: 7 SCHLUSS 98 7.2 Ausblick In dieser
Seite 106 und 107: 8 ANHANG 100 8.2 Beispiel für die
Seite 108 und 109: 8 ANHANG 102 8.4 Regelstudienplan d
Seite 110 und 111: LITERATUR 104 Literatur [AG02] [AS9
Seite 112: Erklärung Hiermit versichere ich,
Alle anzeigen

Data Mining von Sequenzdaten - Fachgebiet Datenbanken und ...

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?