28.02.2014 Views

Onderzoeksprojecten (4500 - 5000 van 8189)

Onderzoeksprojecten (4500 - 5000 van 8189)

Onderzoeksprojecten (4500 - 5000 van 8189)

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Minimizing Information Disclosure in Authentication Transactions with Attribute-Based Credentials (Minimalisatie <strong>van</strong><br />

vrijgegeven informatie inauthenticatietransacties met behulp <strong>van</strong> attribuut-gebaseerde credentials)<br />

K.U.Leuven<br />

Abstract: De opkomst <strong>van</strong> informatie- en communicatietechnologieën en de daarmee gepaard gaande noodzaak individuen te authenticeren en hen<br />

verantwoordelijk te houden voor hun acties, heeft de ontwikkeling teweeggebracht <strong>van</strong> verscheidene authenticatiesystemen. Alhoewel in principe<br />

niet-traceerbareen niet-identificerende eigenschappen meestal volstaan voor het nemen <strong>van</strong> autorisatiebeslissingen, onthullen vrijwel alle<br />

authenticatiesystemenpersoonlijk identificeerbare informatie. Dit brengt talrijke veiligheids- en privacyrisico's met zich mee, gezien een<br />

ongecontroleerde verspreiding <strong>van</strong> deze gegevens individuen blootstelt aan identiteitsdiefstal, financiële fraude, profilering, afluisteren, of het in<br />

diskrediet brengen <strong>van</strong> het slachtoffer. Deze problemen worden nog versterkt door technologieën die het verzamelen, analyseren en verdelen <strong>van</strong><br />

gegevens vergemakkelijken, door wetgeving die de bewaring <strong>van</strong> bepaalde gegevens verplicht, endoor de steeds vaker voorkomende datalekken<br />

waarbij massieve hoevee<br />

Organisaties:<br />

• Afdeling Informatica<br />

Onderzoekers:<br />

• Bart De Decker<br />

Mining Data from Intensive Care Patients<br />

K.U.Leuven<br />

Abstract: Belangrijke uitdagingen in het domein <strong>van</strong> de intensieve zorgen zijn het vroegtijdig detecteren <strong>van</strong> mogelijke complicaties om deze<br />

preventief te behandelen en het optimaliseren <strong>van</strong> het gebruik <strong>van</strong> beschikbare middelen (planning).De huidige technologie laat toe de vitale<br />

functies <strong>van</strong> patienten continu op te volgen. Kennis vergaren uit de zo bekomen grote hoeveelheid data is een niet-triviale taak. Uit vroeger<br />

onderzoek bleek echter dat machine learning methodes competitieve modellen kunnen produceren voor verschillende rele<strong>van</strong>te taken.Dit<br />

doctoraatsproject heeft als doel de rele<strong>van</strong>te data mining methodes aan te passen zodat deze grote hoeveelheden data - <strong>van</strong> hoge resolutie en<br />

afkomstig uit verschillende ziekenhuizen - kunnen verwerken en zo meer accurate modellen te bekomen voor de preventie- en planningstaken.<br />

Organisaties:<br />

• Afdeling Informatica<br />

Onderzoekers:<br />

• Maurice Bruynooghe<br />

• Jelle Van Eyck<br />

Mining in Graphs and Networks<br />

K.U.Leuven<br />

Abstract: Data mining is the study of how to extract interesting information fromdata. The related domain of machine learning studies how to learn<br />

from data to improve the performance on a given task. Traditional approaches assume data can be represented with one table of independent<br />

tuples. However, in practical applications (e.g. biology, chemistry, the internet, social networks, robotics, ...) data is often very complex and can not<br />

be represented in such a format without loss of information. Therefore, more expressive formalisms have been considered. Recently, there is<br />

increasing agreement that graphs hit the right balance between expressivity and efficiency. Even though the principles of traditional mining and<br />

learning approaches can be transferred to some extent to graph mining, thereis need for theoretical foundations for this emerging field.<br />

This project aims at developing a sound theoretical understanding of mining andlearning with graphs, and to exploit this theory to construct effec<br />

Organisaties:<br />

• Afdeling Informatica<br />

Onderzoekers:<br />

• Jan Ramon<br />

• Maurice Bruynooghe<br />

• Samrat Roy<br />

Mining of User Generated Content<br />

K.U.Leuven<br />

Abstract: Geen Nederlandstalig Abstract<br />

Organisaties:<br />

• Afdeling Informatica<br />

Onderzoekers:<br />

• Marie-Francine Moens<br />

• Susana Beatriz Zoghbi<br />

Mining Relational Databases.<br />

Universiteit Antwerpen<br />

Abstract: Patronen ontdekken in willekeurige relationele databanken blijft een interessant probleem waarvoor slechts weinig effiente methoden voor<br />

bestaan. Wij bestuderen het framework waarin paren <strong>van</strong> queries over de data gezien worden als patronen en trachten er interessante associaties<br />

tussen te vinden. Meer bepaald, we onderzoeken kleine deelklassen <strong>van</strong> conjunctieve queries die ons nog steeds toelaten om interessante<br />

patronen efficient te kunnen vinden.<br />

Organisaties:<br />

• Ontwikkeling database systemen (ADReM)<br />

Onderzoekers:<br />

• Jan Paredaens<br />

• Wim Le Page<br />

MINSPEC-PRO<br />

Universiteit Gent<br />

Abstract: Het project heeft tot doel om de bacterie gastheercel interactie <strong>van</strong> Chlamydia psittaci te bestuderen<br />

Organisaties:<br />

• Vakgroep Moleculaire biotechnologie<br />

Onderzoekers:<br />

• Daisy Vanrompay

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!