Environment for DeveLoping KDD-Applications Supported by Index-Structures

Environment for DeveLoping KDD-Applications Supported by Index-Structures (in italiano: Ambiente per lo sviluppo di applicazioni KDD per strutture ad indice) in sigla ELKI è un programma-framework di Data mining usato per la ricerca e l'insegnamento dall'unità di ricerca in sistemi di basi di ddati dell'[Università di Monaco]] in Germania Ha lo scopo di permettere lo sviluppo e la valutazione di algoritmi avanzati di data mining e la loro interazione con le basi di dati con indice.

ELKI

La prima versione, la 0.1 è uscita nel luglio 2008. L'ultima ad aprile 2012, la versione 0.5.

Algoritmi inclusi

Select included algorithms:^[1]

• Analisi Cluster:
  • K-means clustering
  • Expectation-maximization algorithm
  • Single-linkage clustering
  • DBSCAN (Density-Based Spatial Clustering of Applications with Noise)
  • OPTICS (Ordering Points To Identify the Clustering Structure),incluse le estensioni OPTICS-OF, DeLi-Clu, HiSC, HiCO e DiSH
  • SUBCLU (Density-Connected Subspace Clustering for High-Dimensional Data)
• Anomaly detection:
  • LOF (Local outlier factor)
  • OPTICS-OF
  • DB-Outlier (Distance-Based Outliers)
  • LOCI (Local Correlation Integral)
  • LDOF (Local Distance-Based Outlier Factor)
  • EM-Outlier
• Strutture con [Indice spaziale]]:
  • R-tree
  • R*-tree
  • M-tree
• Valutazione:
  • Receiver operating characteristic (ROC curve)
  • Scatter plot
  • Histogram
  • Parallel coordinates
• Other:
  • Apriori algorithm
  • Dynamic time warping
  • Analisi dei componenti principali

Voci correlate

• Indicizzazione

Collegamenti esterni

• (DE) Pagina ufficiale di ELKI

1. ^ excerpt from Data Mining Algorithms in ELKI 0.4, su elki.dbs.ifi.lmu.de. URL consultato il August 17, 2011.